En misschien wel het belangrijkst: betere analyses leiden tot andere strategische keuzes. "In eerste instantie wil je altijd ieder product hebben en je onderhandelt over de prijs. Maar als je precies weet wat jouw product doet. Ja, ik heb wel eens klanten, toen ik goed geautomatiseerd ging, ging het er goed aan rekeningen. Ik dacht van ik ben het geld erachteraan aan het brengen. Terwijl ik altijd dacht van dat is een goede klant, veel omzet, die moet ik houden."
"Als je die analyses heel goed kunt doen en je weet ook waar je het geld aan het winnen bent en waar aan het verliezen, dan ga je anders in de markt zitten. Je maakt ook andere keuzes in je personeelszaken. Veel beter waar de pijn zit."
Zijn boekhoudershart komt boven: "Als je je kosten op de juiste plekken weet te leggen en bij de juiste producten en noem maar op, dan weet je echt een stuk meer. Soms weet je niet of je commercieel de slag aan het verliezen bent of dat je in je fabriek de slag aan het verliezen bent. En die dingen moet je, als je dan toch gaat automatiseren, die moet je er heel erg in gaan brengen."
"Uiteindelijk, een fabriek is ook gewoon eigenlijk een urenmachine. De machine moet draaien op het moment dat die moet draaien, op de juiste snelheid, er moet de juiste kwaliteit uit komen. Als dat zo is, en je hebt dat helemaal in de smiezen, dan is jouw fabriek betrouwbaar."
Er wordt meer verdiend aan de logistiek dan aan de fles
Dan kijkt André vooruit. Naar AGV's, naar AI, naar de fabriek van de toekomst. En ook hier blijft hij pragmatisch.
"Eigenlijk verdienen we meer aan de logistiek dan aan de fles. Je mag ervan uitgaan in onze branche dat je flessen kunt maken. Dat kan ik, dat kunnen ook al mijn collega's. Maar de efficiëntie in je fabriek wordt veelal door de logistiek bepaald."
Hij beschrijft hoe hij ooit een uur lang voor het raam ging staan kijken: "Als je dan kijkt waar onze mensen mee bezig zijn, dan is dat voor een heel groot deel logistiek. Dus materialen aanvoeren, gereed product afvoeren. Het moet gebeuren, want ze wandelen nu zelf naar de klant toe, zeg ik altijd. Maar de klant betaalt daar niet voor."
"Eigenlijk wil je alles wat repetitief is, wel moet gebeuren, maar geen waarde toevoegt, wil je eruit halen."
De heilige graal? "De pallet komt uit de machine rollen en hij rolt vanzelf de vrachtwagen in. En daar staat dan een zelfrijdende Tesla truck die dat ding naar de klant brengt."
Maar ook hier blijft hij realistisch: "Dat is heel erg een kost-de-baten-analyse van wat is goed te automatiseren werk tegen een redelijke prijs." En een nieuw element komt erbij: ruimte. "Als ruimte wat steeds meer een beperkende factor wordt, dan kan je er ook nog eens anders over na gaan denken. Als de automatisering jou kan gaan helpen dat je bijvoorbeeld niet een nieuw pand moet gaan kopen omdat het anders niet meer past."
Goede data als fundament en de juiste mensen om die data eruit te krijgen
Wat is volgens André de basis voor de fabriek van de toekomst? Data. Maar dan wel goede data.
"Je moet het zien alsof je een huis gaat bouwen. Als je zelf goede keuzes wil maken, moet je goede informatie hebben. Maar dat gaat je machine learning of je AI zal dat ook moeten hebben. Ja, want anders gaat hij dingen verzinnen, dan gaat hij hallucineren en dan ben je nog verder van huis."
Hij waarschuwt: "Als je geautomatiseerd verkeerde dingen gaat doen, dan ga je heel efficiënt verkeerde dingen doen."
En dan komt zijn mooiste reflectie over ervaring. "Ervaring is een lust en een last. Je kan heel ervaren altijd hetzelfde blijven doen en geen stap verder komen. Sterker nog, je kan de ervaring gebruiken om alles tegen te houden. Ja, wil niet, kan niet, hebben al geprobeerd, werkt niet. Wat weet jij ervan? Ik heb ze allemaal gehad."
Hij beschrijft het fenomeen van de "wizard" op de werkvloer: "Soms heb je ervaren mensen die zijn een soort wizards. Niemand komt eruit. We hebben de gebruiksaanwijzingen al vier keer uitgevloeid en leveranciers gebeld en op alle knoppen gedrukt. En vervolgens komt de wizard erbij met de magic stick. En in één keer, hij loopt, goed product. Hoe kan het dan? En als je dan gaat vragen, dan krijg je vaak nog eens geen antwoord."
Het risico daarvan? "Als die morgen zijn been breekt en bij hem zes weken weg komt, als die bij de buurman gaat werken, zien we hem terug."
Vandaar zijn keuze om ook anders naar personeel te kijken. Voor de planning nam hij een wiskundige aan. "Een planningsvraagstuk, dat is eigenlijk een rekensom. Een goede planner verzamelt ervaringskennis ook weer. Die weet bijvoorbeeld, als ik dat product op die machine zet, dan gaat het toch altijd iets langer dan dat ik hem op de andere machine zet. Maar ja, wederom breekt zijn been en ik weet het niet."
"In principe een goede planning is een optimalisatie vraagstuk. Met beperkte middelen moet je het maximale uithalen. Als je een nieuwe planner binnenkrijgt, dan heeft die jaren nodig om dat goed in de smiezen te krijgen. Maar het is gewoon data."
"We hebben er nu voor gekozen, nou laten we die wiskundige binnenhalen. Laat die maar eens theoretisch gaan modelleren van, nou wat wil je nu hebben? Welke data heb je al? Wat ontbreekt en hoe kunnen we die eruit halen? En vervolgens kun je er rekensommen van gaan maken. En kan je de AI ermee aan de slag zetten. Dan ben je een stuk verder."
