Demand forecasting
Hoeveel moet je fabriek volgende week, volgende maand, volgend kwartaal produceren? Wij combineren orderhistorie, seizoen, markt-signalen en jouw eigen voorraad, en voorspellen per product. Inkoop en planning weten wat komen gaat.
AI op de werkvloer
Jouw fabriek. Slimmer dan gisteren.
Demand voorspellen, machines voorzien van vroegwaarschuwing, kwaliteit meten voor de klant het merkt, productie plannen op de echte bottleneck. AI waar het telt: op de fabrieksvloer, niet in een PowerPoint.
Skrepr bouwt AI-modellen die in echte fabrieken draaien. Textiel, prefab, food, maak. Niet in demo-omgevingen.
€2,8M
Bespaard, beton
61%
Minder snijverlies
17-30%
Output-winst
Even eerlijk zijn
Veel data, weinig signaal. En niemand die het rekent.
Je fabriek produceert elke dag megabytes: sensor-readings, orderhistorie, stilstands-logs, kwaliteits-metingen. Maar die data zit in losse silo's, en niemand combineert het in een model dat vooruit kijkt in plaats van achteruit.
Ondertussen plant de planner op gevoel, valt die ene machine weer uit, en merkt QC het defect als de klant al gebeld heeft.
Vier bekende pijnpunten
Op gevoel
De planner plant, de capaciteit staat stil
Volgorde op ervaring, niet op data. Een lijn wacht, een andere loopt dubbel. Niemand rekent het uit op product- en machine-niveau.
Onverwacht
Machine valt uit tijdens productie
Een lager loopt warm, een as trilt teveel, en je ziet het pas als de lijn stilstaat. Onderhoud doe je reactief, niet wanneer het écht moet.
Te laat
Defect merkt QC pas aan het einde van de lijn
De afwijking zat er al een uur, maar de controleur ziet het pas bij uitlevering. Grondstof weg, shift verloren, klacht erbij.
Gisteren
Forecast gebaseerd op historische gemiddelden
Inkoop koopt op het gemiddelde van vorig jaar. Intussen schuift de vraag, en je zit of krap of met teveel op de vloer. Niemand rekent de trend mee.
Waar AI het verschil maakt
Vier use-cases, bewezen op de vloer.
Geen algemene AI-verhaal. Vier concrete patronen die we in productiebedrijven zien werken. Niet elk patroon past bij elke fabriek, dus we beginnen altijd met kijken wat jouw data al vertelt.
Predictive maintenance
Sensor-data van je machines (trilling, temperatuur, stroom) leest een model continu mee. Die ziet afwijkingen voordat een lager stuk gaat. Jij plant onderhoud wanneer het uitkomt, niet wanneer de lijn stilvalt.
Anomaly detection
Sensor-patroon-herkenning op snij-, weef-, stort- of vul-lijnen. Het model leert wat normaal is en slaat alarm wanneer een meting afwijkt. Een defect wordt zichtbaar in seconden, niet aan het einde van de shift.
Production planning
Welke order op welke lijn, in welke volgorde, met welke omsteltijd. Realtime re-plan bij een storing of spoedorder. De échte bottleneck bepaalt het ritme, niet een spreadsheet die vanochtend al verouderd was.
Meer over de wiskunde achter productieplanning en optimalisatie? Zie /ai/algoritmes. Of kies per sector: textiel, prefab.
Start Discovery ZeroBewezen bij textiel
Van 8,7% snijverlies naar 3,4%.
Bij een Nederlandse textielproducent met rol-op-rol productie. Zelfde machines, zelfde operators, ander algoritme. Anomaly detection op de sniplines plus een nieuw nestings-model bovenop het bestaande MES.
Case, Textiel
/ Nederlandse textielproducent 14 weken €410K / jaar
Voorheen
8,7%
Snijverlies per rol
- Operators plaatsten nestings op ervaring
- Afwijkingen merken we aan einde shift
- Rolbreedtes werden niet meegewogen
-61%
Verlies-reductie
Nu met skrepr
3,4%
Snijverlies per rol
- Nestings-model rekent realtime
- Anomaly detection op snijsensoren
- Alerts naar operator binnen seconden
Grondstof-besparing / jaar
€410K
Terugverdientijd
< 4 mnd
Extra machines
0
Scope
3 sniplijnen
Vier stappen, koffie erbij
Van data-inventaris naar fabriek-breed model.
Geen AI-project van twee jaar. Wij kijken wat er al is, bouwen een eerste werkend model op jouw data, draaien een pilot op één lijn, schalen daarna naar de rest.
Stap 1, data-inventaris
We kijken wat er al aan data is
Sensors op machines, ERP-orders, PLC-logs, handmatige shift-rapporten. Wat meet je al, wat zit er ongebruikt in je systemen? Eén middag op de vloer levert meestal meer op dan je denkt.
Stap 2, model-build
Welk probleem, welke techniek
Niet elk productie-probleem is een AI-probleem. Soms is het klassieke mathematische optimization, soms machine learning, soms een LLM. Wij kiezen de techniek die past, en bouwen een eerste werkend model op jouw data.
Stap 3, pilot
Eén lijn, één product, echt gebruiken
Niet het hele bedrijf tegelijk. Eén lijn of één productfamilie, zodat we kunnen meten of het werkt. Operators werken ermee, planners zien de output, we sturen het model wekelijks bij.
Stap 4, schaal
Naar de hele fabriek, in je ERP
Werkt het op één lijn? Dan rollen we uit naar de rest. Forecast in je planning-scherm, onderhouds-alerts in je ticket-systeem, kwaliteits-afwijkingen in je MES. Geen losse app, gewoon in de systemen die je team al kent.
Vast de vragen die je hebt
Veelgestelde vragen over AI in productie
Hebben we sensor-data nodig, of kan dit ook alleen met ERP-data?
Allebei. Demand forecasting en production planning draaien grotendeels op ERP-data (orders, historie, doorlooptijden). Predictive maintenance en anomaly detection hebben wel sensor-data nodig, maar vaak zit die er al (PLC-logs, Modbus, OPC-UA). Stap 1 is altijd een data-inventaris: we kijken wat je hebt voor we bedenken wat je nodig hebt.
Wat als we een oude MES hebben zonder fatsoenlijke API?
Komt vaker voor dan niet. We lezen mee via database-replicatie, file-drops, CSV-exports of een lichte middleware-laag. Als een oude MES alleen een printerpoort heeft, dan lezen we die printerpoort. Wij passen ons aan aan jouw setup, niet andersom.
Hoe lang duurt een pilot?
Typisch 8 tot 12 weken van eerste data-inventaris tot een model dat op één lijn draait en meetbare output geeft. Niet een jarenlang traject, niet een demo-in-een-slide. Discovery Zero is gratis en levert binnen twee weken een go/no-go met verwachte impact in euro's.
Kunnen we dit zonder data scientist in-house?
Ja. Wij bouwen, wij onderhouden, wij sturen het model bij. Jouw team krijgt de output in de schermen die ze al gebruiken. Je hoeft geen data scientist in dienst te nemen om hier voordeel uit te halen, net zoals je ook geen database-engineer hoeft te zijn om met je ERP te werken.
Klaar om je data aan het werk te zetten?
Bel ons. Wij rekenen mee.
Discovery Zero is gratis: we duiken in jouw productie-data en geven binnen twee weken een eerlijk go/no-go. Kan AI hier echt het verschil maken? Dan starten we. Kan het niet? Dan zeggen we dat ook.
Bellen werkt altijd. Ciao!