Execution
Orders en bewerkingen die precies volgens plan verlopen, batch of discreet, zonder handmatig speurwerk op de vloer.
MOMS Execution stuurt de productie direct aan op basis van orders, recepten en bewerkingsstappen. Operators zien op elk moment welke actie nodig is, en elke handeling wordt automatisch vastgelegd, zonder dat daar een los formulier of Excel-vel voor nodig is.
Voorbeeld: Een operator start een geplande order, automatisch worden de juiste procesparameters en materiaalregistratie klaargezet, zowel voor batch én discrete productie.
APS
Complexe planningen slim maken, of juist versimpelen, met Advanced Planning & Scheduling.
APS houdt rekening met capaciteit, materialen, omsteltijden en prioriteiten, en berekent daarmee een planning die daadwerkelijk haalbaar is, op basis van planningsregels en business logica. Verandert er iets op de vloer, dan schuift de planning direct mee, in plaats van dat iemand het schema handmatig herrekent.
Voorbeeld: Een spoedorder komt binnen, en APS herschikt snel de planning van vijf lijnen, met minimale impact op de rest van de week.
WMS
Het magazijn dat weet wat de lijn nodig heeft, van inbound tot aanvulling, en wat er na de lijn gebeurt: reststromen en gereed product die soepel de deur uit gaan.
WMS regelt de goederenstroom rond de productie: van de ontvangst van grondstoffen tot de aanvulling van de lijn, en van reststromen tot de uitgaande logistiek van gereed product. Zo blijft het magazijn een verlengstuk van de planning, niet een losstaand proces.
Voorbeeld: Zodra een order in productie gaat starten, heeft het WMS er al voor gezorgd dat de juiste materialen op de juiste plek aanwezig zijn.
Quality
Kwaliteit borgen tijdens productie en afwijkingen voorkomen voordat ze optreden.
Kwaliteitscontroles worden ingebed in het productieproces zelf: metingen, keuringen en steekproeven op het moment dat ze relevant zijn, met directe koppeling naar de batch of order waar ze bij horen. Afwijkingen worden zo vroeg gesignaleerd, niet pas bij de eindcontrole.
Voorbeeld: Een meetwaarde buiten de norm blokkeert automatisch de vrijgave van die batch, tot een quality-medewerker de afwijking heeft beoordeeld.
OEE
De OEE realistisch in beeld, maar ook de waarom: verstoringsregistratie die met AI om de hoek kijkt.
OEE meet beschikbaarheid, prestatie en kwaliteit van een lijn, maar de echte waarde zit in de verstoringsregistratie daarachter. Door die data te combineren met slimme technieken, waaronder AI, worden patronen zichtbaar die met een los rapport onopgemerkt zouden blijven. Zo wordt OEE meer Business Intelligence dan een enkel kengetal.
Voorbeeld: Na een paar weken registratie blijkt dat een specifieke storing structureel na een productwissel optreedt, iets dat in een wekelijks rapport niet was opgevallen.
Tracking & Tracing
Eén vraag, altijd een antwoord: waar zit grondstof X overal in, en waaruit bestaat product Y? Upstream en downstream herleidbaar.
Tracking & Tracing legt niet alleen vast welke grondstoffen gebruikt zijn, maar ook welke machine-instellingen en kwaliteitsmetingen bij welk product horen, in beide richtingen. Dat maakt herleidbaarheid geen zoekactie achteraf, maar een kwestie van opzoeken.
Voorbeeld: Bij een klacht over een eindproduct is binnen enkele minuten duidelijk uit welke grondstofpartij het is gemaakt, en op welke andere producten die partij nog van invloed is.
Event-based werken
Een storing die zelf om actie vraagt, in plaats van dat iemand hem moet ontdekken.
In plaats van dat een operator continu schermen moet controleren, herkent het systeem zelf een relevante gebeurtenis, zoals een grenswaarde-overschrijding, een stilstand of een afgeronde stap, en start daar automatisch een vervolgactie, melding of taak bij. De operator wordt geïnformeerd en kan direct actie ondernemen.
Voorbeeld: Een temperatuuroverschrijding stuurt direct een melding naar de dienstdoende operator, in plaats van dat die pas bij de volgende ronde wordt opgemerkt.
AI
Brain drain is verleden tijd. De operator die niet in een handleiding zoekt, maar gewoon met de installatie praat.
Operators stellen een vraag in gewone taal, en krijgen een antwoord dat is gebaseerd op de actuele status en historie van de installatie, in plaats van dat ze een handleiding of ervaren collega moeten raadplegen. Via Machine Learning kunnen patronen herkend worden, kent AI de machine zoals een operator en kunnen LLM’s (Large Language Models (chatbots) getraind worden.
Voorbeeld: Een operator vraagt waarom lijn 3 langzamer draait, en krijgt direct een antwoord gebaseerd op de laatste storingen en instellingen van die lijn.