Zet AI niet op de bottleneck. Zet hem ernaast.

De meeste fabrieken willen AI direct op de bottleneck inzetten. Dat is precies de plek waar u het minst experimenteert.

Als ik in een productiebedrijf binnenkom en vraag waar ze AI willen toepassen, wijst de operations manager negen van de tien keer naar dezelfde machine. De drukste. De duurste. De plek waar elke seconde stilstand zich vertaalt naar te late orders. En dan zeg ik: precies daar moet u niets veranderen.

De bottleneck is geen plek om te leren

Goldratt’s tweede stap is duidelijk: exploit de bottleneck. Haal er maximaal uit. Geen storingen, geen rare instellingen, geen pilots. Wat daar staat moet draaien op processen die u kent, met onderhoud dat u beheerst, en met software die zich al twee jaar bewezen heeft.

Een AI-experiment betekent per definitie het tegenovergestelde: een model dat u nog niet vertrouwt, voorspellingen waarvan u de afwijking nog niet kent, en een team dat de uitkomst nog moet leren interpreteren. Dat is uitstekend werk, alleen niet op de duurste machine in uw fabriek. Een uur stilstand op de bottleneck kost u doorvoer die u die week niet meer inhaalt. Een uur stilstand op een niet-bottleneck kost u niets.

Drie plekken waar AI wél rendeert

Aanvoer. Alles wat de bottleneck bereikt is al voorbij tien beslissingen: welke order eerst, welke materialen op tijd, welke werkorder vrijgegeven. Daar zit ruimte. Een AI die volgorde optimaliseert op basis van klantimpact en doorlooptijd haalt resultaat zonder dat u één instelling op de bottleneckmachine aanraakt. Mist het model een keer, dan corrigeert de planner. De machine staat niet stil.

Quality, vóór de bottleneck. Scrap die ná de bottleneck wordt afgekeurd is dubbel duur: u verliest het materiaal én het bottleneck-uur dat erin zit. Een visie-model of statistische procescontrole op de werkplek vóór de bottleneck haalt het slechte product eruit voordat het uw schaarste capaciteit opeet. Dit is waar AI rendeert zonder risico voor de doorvoer.

Predictive maintenance. Een ongeplande storing op de bottleneck is het slechtste scenario in uw fabriek. Trillingsensoren, temperatuurpatronen en stroomverbruik laten zich uitstekend modelleren. Het model voorspelt geen feilloze toekomst, maar het verschuift onderhoud van reactief naar gepland. Gepland onderhoud kost u acht uur op een rustig moment in plaats van twee dagen op een drukke maandag.

De analogie van de smalle brug

Stel u een drukke weg voor met één smalle brug. De brug is uw bottleneck. Niemand komt op het idee om midden op die brug te gaan experimenteren met een nieuwe asfaltsoort. Dat doet u op een rustige rijstrook ervoor, of op een afrit erna. De brug zelf laat u met rust, want elke minuut dat hij dicht is, staat de hele weg vast.

AI op de bottleneck zelf zetten is asfalt testen op de brug. AI ernaast zetten, op de aanvoer, op de quality-controle, op de voorspelling van uitval, is asfalt testen op de afrit. Hetzelfde leertraject, een fractie van het risico.

De volgorde die werkt

Wie de bottleneck eenmaal heeft vastgelegd in zijn ERP, heeft het schema waarbinnen AI mag opereren. De bottleneck zelf draait op bewezen processen. Eromheen mag u experimenteren.

Concreet: een AI-orderstatus die voorspelt welke order dreigt te laat te komen, raakt de bottleneckmachine niet aan en geeft u dagen voorsprong op het probleem. Een AI-workshop waarin uw team leert waar AI rendabel is en waar niet, voorkomt dat u over zes maanden licenties betaalt voor toepassingen die uw doorvoer niet vergroten.

De vraag is niet of AI in uw fabriek thuishoort. De vraag is naast welke machine.

---

Wilt u weten waar uw bottleneck zit en welke AI-toepassing daar omheen rendeert? Vul de gratis Bottleneck Quickscan in: tien vragen, drie minuten, uitkomst direct per e-mail. Start de quickscan