Tholen - Complexe problemen oplossen met innovatieve technologie. Dat is wat engineersbureau QING doet. “Het zijn meestal de niet gangbare problemen waarvoor bedrijven bij ons komen. Daarbij richten we ons vooral op het automatiseren van manuele arbeidsprocessen,” steekt Bram de Vrught van QING van wal. “En dat gaat veel verder dan alleen het vervangen van een mens door een robot.”
De bedrijfsnaam verwijst, zoals al doet vermoeden, naar koning. QING werd opgericht op 30 april 2013, de dag van de troonswisseling. Daarmee kreeg Nederland niet één maar twee nieuwe koningen. QING richt zich de laatste jaren steeds meer op de foodsector. Waarom? “Omdat we met onze kennis, expertise en aanpak echt van betekenis kunnen zijn in deze sector. Geautomatiseerde processen voor de voedselverwerkende industrie zijn – zeker in vergelijking met veel andere industrieën - nog niet heel vanzelfsprekend. Op het gebied van automatisering loopt deze branche toch wel achter. Dit komt door de complexiteit van producten en processen. Je hebt te maken met veel uitdagingen, zoals kwetsbare producten en strenge hygiënerichtlijnen. Daardoor ervaren ondernemers twijfels om te starten met automatiseren: is de terugverdientijd rendabel genoeg en behoudt het proces de huidige kwaliteit?”
Huidige ontwikkelingen vragen om vernieuwing
En dat terwijl er in deze branche volgens hem juist ontzettend veel speelt dat vraagt om innovatie. Bram benoemt onder andere de voedselschaarste, het belang van kwaliteit, voedselveiligheid en duurzaamheid met daar tegenover de torenhoge energieprijzen en arbeidstekorten. “Er zijn zat bedrijven die hun doelstellingen niet kunnen halen, omdat ze geen personeel kunnen vinden. Ja, de loonkosten zijn hoog, maar het probleem wordt nog groter als je geen productie kunt draaien. Dit neemt in de toekomst toe, niet alleen in de AGF-sector.”
“Energie speelt ook een belangrijke rol. Vooral vanuit grootverbruikers, koelbedrijven bijvoorbeeld, krijgen we meer vragen. Ze zijn niet alleen zoekende naar nieuwe ontwikkelingen, maar willen ook weten hoe dit energievriendelijker kan zijn. Daar kan automatisering ook aan bijdragen. Op het moment dat de prijzen gunstiger zijn, extra koelen en bij hogere prijzen juist minder koelen bijvoorbeeld. Toepassingen om slimmer energie op te wekken en te verbruiken is volop in ontwikkeling en zullen de komende jaren zeker een belangrijke rol spelen. Al met al is het voor veel bedrijven geen houdbare situatie meer, voedselproducenten zijn genoodzaakt om te automatiseren.”
Leren en verbeteren op basis van data
QING richt zich op bedrijven waar veel manuele arbeid is. Te denken valt aan het automatiseren van verwerkingslijnen en kwaliteitscontroles. Handelingen die voor een mens vrij eenvoudig uit te voeren zijn, maar best complex zijn om te automatiseren. Bram legt uit dat dit verdergaat dan alleen het vervangen van een mens door een robot. “Als dat het doel is van de onderneming, prima, maar het voegt verder niets toe. Pas wanneer er echt waarde wordt toegevoegd, levert het iets op. Op zoek gaan naar de kern van het probleem in plaats van symptoombestrijding. Bijvoorbeeld door data te genereren, daarvan te leren en te verbeteren en op basis van die gegevens taken uit te voeren: artificial intelligence (AI). Het helpt om ondernemers veel nauwkeuriger te laten werken en consequenter kwaliteit te leveren.”
Een voorbeeld van artificial intelligence (AI) – in dit geval deep learning – is toegepast, is de case bij Verbruggen Paddenstoelen. Hun vraagstuk was automatisering van het sorteerproces van oesterzwammen.
De vraag naar oesterzwammen is de afgelopen jaren flink gestegen. Om aan deze groei te blijven voldoen was de biologische oesterzwamkwekerij genoodzaakt om te innoveren. Er komt bij het oogsten, verpakken en sorteren van oesterzwammen namelijk veel handwerk kijken en het vinden van geschikt personeel wordt steeds lastiger. Vandaar de behoefte om het huidige productieproces van oesterzwammen nóg efficiënter uit te voeren, met daarbij de wens om een systeem op te zetten dat de geproduceerde oesterzwammen kan monitoren en op termijn zelfstandig kan sorteren.
Algoritme in paddenstoelen
De belangrijkste parameter tijdens het sorteerproces van oesterzwammen is het formaat van de hoed van de oesterzwam. Om dit te kunnen bepalen was software nodig die in staat is om het onderscheid tussen de oesterzwamhoed en de steel te kunnen waarnemen. Traditionele vision software bleek te complex en foutgevoelig door de grote variatie in vorm, kleur, contrast en groeirichting van de oesterzwam. Uiteindelijk werd in deep learning segmentatiealgoritme een geschikt alternatief gevonden. Deep learning algoritme herkent de hoed volgens Bram feilloos. “Met alle verzamelde data is een algoritme getraind, waardoor het systeem precies weet wat de hoed is, vervolgens de afmetingen bepaalt en in welke kwaliteitscategorie deze ingedeeld dient te worden. De technologie is ook veel minder gevoelig voor veranderingen, zoals veranderend omgevingslicht, een transportband die na verloop van tijd vies wordt of een andere productvorm. Ook wanneer bijvoorbeeld kwaliteitseisen veranderen of wanneer er met een ander type paddenstoel gewerkt moet worden, is deze technologie eenvoudig opschaalbaar of hertrainbaar. Deep learning maakt het niet alleen mogelijk de arbeidsbehoefte te optimaliseren, maar ook om waste te minimaliseren tijdens het productieproces en zelfs waardevermeerdering van het product of proces te realiseren.”
Vraagstuk vooraf toetsen
Onlangs is QING een samenwerking aangegaan met Stäubli Robotics en Robovision, eveneens specialisten als het gaat om innovatie en technische ontwikkelingen in de foodsector. QING introduceert een nieuwe aanpak, waarbij de expertise van Stäubli op het gebied van robotics en hygiëne en de schaalbare AI-software van Robovision toegevoegd is. Hun ervaring en kennis komt samen in het Development Lab van QING. Bram: “We nodigen foodbedrijven graag uit in ons lab met hun vraagstuk en hun producten. In het lab toetsen we het vraagstuk op haalbaarheid met behulp van een Proof of Concept, zonder dat er eerst een risicovolle investering nodig is. De robotopstelling met AI-integratie kan verschillende handelingen toetsen, denk aan het inpakken en nauwkeurig sorteren van producten, stapelen van verpakkingen en het uitvoeren van kwaliteitscontroles. Door samen te werken maken we automatiseren voor iedere voedselproducent mogelijk en makkelijker.”
Dit artikel verscheen eerder in editie 1, 37e jaargang van Primeur. Zie hiervoor www.agfprimeur.nl.
Voor meer informatie:
bdvrught@qing.nl