Slimme ondersteuning van plannings en besturingstaken in productie

Slimmer plannen en besturen met data? In deze masterclass ontdekt u in 2 uur de mogelijkheden van algoritmes voor dispatching, clustering en voorspellende analyses.
Over de masterclass
Veel MKB-productiebedrijven ervaren dat hun bestaande plannings- en besturingsprocessen steeds minder toereikend zijn. De variatie in productmix, volumes en levertijden neemt toe, waardoor het reactievermogen van de organisatie onder druk komt te staan. Dit leidt vaak tot langere en onvoorspelbare doorlooptijden en een lagere leverbetrouwbaarheid.
Data kan hierin het verschil maken. Door (real-time) procesgegevens slim te benutten, ontstaan nieuwe mogelijkheden om plannings- en besturingstaken te ondersteunen. Visualisaties, simulaties en algoritmes voor onder andere orderdispatching, orderclustering, doorlooptijd- en bottleneckvoorspelling maken het mogelijk om sneller en effectiever bij te sturen.
Toch blijft de toepassing van slimme algoritmes in de praktijk vaak achter. Bedrijven verzamelen wel data, maar benutten deze nog onvoldoende om echt grip te krijgen op hun productieprocessen.
In deze masterclass laat Gerlinde Oversluizen zien hoe u de eerste stappen kunt zetten richting datagedreven planning en besturing. In 2 uur krijgt u een helder overzicht van de mogelijkheden, inspirerende praktijkvoorbeelden én concrete handvatten om hiermee in uw eigen bedrijf aan de slag te gaan.
Gerlinde Oversluizen
Gerlinde is onderzoeker bij het HAN lectoraat "Smart Lean". Ze werkt aan een promotie studie (PD) waarbij ze onderzoekt hoe high variety low volume bedrijven hun planning en besturing kunnen ondersteunen met datagedreven oplossingen. In het kader van deze studie werkt Gerlinde in verschillende onderzoeksprojecten mee zoals: "The organized digital factory", "Demand analyse als opmaat naar digital twinning", "Machine Learning in mkb-productiebedrijven".

Onno Huijgen
Onno is data scientist werkzaam bij het HAN lectoraat "Applied Data Science & AI. Onno werk aan een promotie studie (PhD) naar quantum-inspired machine learning algorithms. Voor het onderzoeksproject "The organized digital factory" heeft hij een bottleneck framework ontwikkeld. Met dit framework kan productie-order data worden ingelezen, de productie worden gesimuleerd en de (wandelende) bottlenecks worden gedetecteerd. Verder is Onno werkzaam in de Master Applied Data Science die vanuit 3 academies van de HAN wordt verzorgd.

Klaar om je productie naar het volgende niveau te tillen?
Meld je aan en ontdek de kracht van datagedreven planning.
Lees ook de blog: Van bottleneck detectie naar predictie en preventie
Heeft u vragen over deze activiteit dan kunt u een mail sturen naar lectoraat.Lean@han.nl