Slimme procesoptimalisatie bereikbaar voor middelgrote fabrieken

In aanloop naar de finale van de AI Pitch Competition op 12 november in het Evoluon in Eindhoven sluit IO+ de serie uitgebreide portretten van de acht finalisten en één wildcard af. In deze laatste aflevering vertellen de studentondernemers achter Rigidbody, voortgekomen uit een waterstofinitiatief van de Technische Universiteit Eindhoven (TU/e), hoe ze industriële procesoptimalisatie toegankelijk maken voor middelgrote maakbedrijven. Daarvoor combineren ze tijdreeksmodellen die rekening houden met natuurkundige principes met lokaal draaiende taalmodellen.

Industriële fabrieken hebben de afgelopen decennia bergen meetgegevens verzameld. Maar om ruwe sensorstromen om te zetten in concrete verbeteringen op de werkvloer waren traditioneel complete teams van datawetenschappers en simulatie-ingenieurs nodig. Daardoor bleef vergaande procesoptimalisatie vooral voorbehouden aan miljardenconcerns. Voor middelgrote maakbedrijven, de ruggengraat van de Europese toeleveringsketen, blijft waardevolle proceskennis verborgen achter oude apparatuurcodes, losse sensorstromen en ordners vol technische schema’s.

De Eindhovense startup Rigidbody wil dat doorbreken. Het bedrijf is opgericht door een multidisciplinair team van TU/e-ingenieurs: Charlie Johnston, verantwoordelijk voor AI en machine learning, bedrijfsstrateeg Rafael Marques Isakov en regeltechnicus Alex Udrea. De startup combineert tijdreeksmodellen op basis van natuurkundige principes met lokale taalmodellen tot een eenvoudig inzetbare, intelligente softwarelaag voor de fabrieksvloer.

De oprichters vertellen over het loslaten van de vertrouwde universiteitsomgeving, waarom vertrouwen op de werkvloer vraagt om begrijpelijke aanbevelingen en hoe een paar procent minder industrieel energieverbruik de druk op het Europese elektriciteitsnet kan verlichten.

Voorspellen met natuurkundige kennis en lokale taalmodellen

“Industriële fabrieken hebben de afgelopen decennia enorme hoeveelheden gegevens gegenereerd, maar om daar echt waarde uit te halen waren volledige teams van gespecialiseerde analisten nodig”, leggen de oprichters van Rigidbody uit. “Daardoor konden in de praktijk alleen de grootste fabrieken dit structureel doen. Met duizenden onderling verbonden systemen, elk beschreven in stapels documentatie, was context altijd de beperkende factor.”

Moderne machine learning maakt het minder arbeidsintensief om complexe industriële installaties te doorgronden. “Met de juiste hulpmiddelen kunnen lokale taalmodellen documentatie lezen, historische gegevens analyseren en apparatuurcodes ontcijferen, met veel minder menselijke inspanning. Rigidbody bouwt daarop voort. We ontwikkelen tijdreeksmodellen die rekening houden met natuurkundige principes en de prestaties van processen voorspellen, in plaats van alleen het uitvallen van apparatuur. Een taalmodellaag maakt ze inzetbaar zonder dat daarvoor een team van data-analisten nodig is.”

De startup wil daarbij voorkomen dat klanten afhankelijk worden van één leverancier. “We gaan er niet van uit dat er een speciaal team van ingenieurs klaarstaat, en onze software wordt niet beperkt tot apparatuur van één leverancier. We willen middelgrote maakbedrijven de mogelijkheden bieden die voorheen uitsluitend voor de grote spelers waren weggelegd. Niet als een dashboard vol ingewikkelde cijfers, maar als aanbevelingen waarmee operators aan de slag kunnen. Alles is zo ontworpen dat gevoelige bedrijfsgegevens zo nodig op de eigen locatie kunnen blijven.”

De toeleveringsketen voor halfgeleiders als eerste markt

Hoewel de architectuur van Rigidbody in de basis geschikt is voor uiteenlopende sectoren, moet het bedrijf bij het opschalen bewijzen dat de aanpak breed toepasbaar is, zonder een adviesbureau voor maatwerk te worden. “Processen verschillen inderdaad per industriële sector, maar de onderliggende apparatuur vertoont vaak overeenkomsten die opschaling eenvoudiger maken”, aldus het team. “Om een grote markt te bereiken, hebben we een sterk portfolio van geslaagde pilots nodig dat laat zien dat het concept breder werkt. We moeten AI inzetten om elke volgende klant sneller aan te sluiten dan de vorige. Als iedere implementatie maanden maatwerk vergt, lijken we immers meer op een adviesbureau. Daarom ontwerpen we onze taalmodellaag zo dat die helpt om ons product aan verschillende fabrieken aan te passen.”

Om de eerste klanten te vinden, benut de startup de sterke concentratie van industriële bedrijven in Brainport. “Een eerste markt die we momenteel verkennen, is de toeleveringsketen voor halfgeleiders. Procesoptimalisatie is daar heel belangrijk en veel fabrikanten zijn precies het soort middelgrote bedrijven waarvoor wij bouwen. De Brainportregio geeft ons directe toegang tot de sector. Twee van ons hebben bovendien via hun opleiding aan de TU/e al met chipfabrieken gewerkt.”

“De belangrijkste hindernis bij het opschalen is het opbouwen van vertrouwen bij operators. Zij moeten op onze software kunnen rekenen. Daarom staat een veilige bedrijfsvoering centraal in het ontwerp van Rigidbody.”

Begrijpelijke aanbevelingen in plaats van een zwarte doos

Wanneer algoritmen te maken krijgen met dure machines, hoogspanning of apparatuur onder druk, is blind vertrouwen gevaarlijk. “Bij kostbare machines is het belangrijk dat onze software transparant blijft en de beslissingen die ze neemt kan onderbouwen”, benadrukken de oprichters. “Daarom ontwerpen we een taalmodellaag die operators inzicht geeft: welke veranderingen zijn nodig en welk bewijs ondersteunt die aanbevelingen?”

Die wisselwerking tussen machine en operator zorgt ook voor voortdurende feedback. “Een operator die begrijpt waarom een suggestie wordt gedaan, kan beoordelen of die moet worden overgenomen en waarom. Wanneer ons model een suggestie doet die wordt afgewezen, kan de onderbouwing daarvan als trainingsdata dienen: een fout waarvan het model kan leren.”

Minder druk op het overbelaste Europese elektriciteitsnet

Efficiëntere processen verbeteren niet alleen de marges van fabriekseigenaren, maar hebben ook meetbare gevolgen voor de samenleving en het milieu. “Volgens het Internationaal Energieagentschap was de industrie in 2024 verantwoordelijk voor 24 procent van het totale eindverbruik van energie in Nederland”, stelt het team. “Dat betekent dat zelfs kleine verbeteringen in de industriële efficiëntie een betekenisvol effect kunnen hebben op het energieverbruik van het land. Anders dan bij netuitbreiding en elektrificatie zijn zulke verbeteringen mogelijk zonder nieuwe infrastructuur en de jarenlange trajecten die daarbij horen.”

“We denken dat onze software het energieverbruik van fabrieken kan verminderen door de bedrijfsvoering efficiënter te maken. In veel gevallen kan ook de verspilling van materialen omlaag. Dat zou de druk op het elektriciteitsnet verlichten en de productiekosten verlagen. Veel mensen maken zich zorgen over banenverlies door AI. Onze software wil procesoptimalisatie bieden aan fabrieken die zich dat nooit hebben kunnen veroorloven, maar vervangt niet de meerwaarde van gespecialiseerde ingenieurs.”

Van TU/e-studententeam Splitter naar een eigen bedrijf

Rigidbody is rechtstreeks voortgekomen uit praktijkervaring in de Nederlandse energietransitie. “Het afgelopen jaar heeft ons team contacten opgebouwd in de waterstofindustrie, vanuit een AI-studenteninitiatief van de TU/e dat Splitter heet”, vertellen de oprichters. “Dat jaar liet ons zien welke rol AI ook breder kan spelen bij het optimaliseren van fabrieken. Daarop is Rigidbody gebouwd.”

De overstap naar een commerciële startup vroeg om het nemen van echte ondernemersrisico’s. “Onze grootste drempel was de keuze om de vertrouwde omgeving van een universiteitsproject achter ons te laten. Splitter gaat door als studententeam. Wij wilden met z’n drieën het achterliggende idee verder brengen en onze startup Rigidbody opbouwen. Dat betekende afscheid nemen van een sector waarin we sterke contacten hadden, inclusief een mogelijke pilotpartner, om te kiezen voor een breder toepasbare AI-oplossing.”

“We doen dit nu omdat AI een compleet nieuwe markt heeft geopend: bedrijven die anders niet het geld zouden hebben voor gedegen procesoptimalisatie. Vakkennis kan nu in hoge mate geautomatiseerd in modellen worden vastgelegd. Juist die mogelijkheden van AI maken een bedrijf als Rigidbody mogelijk.”

Serie

AI Pitch Competition

Lees hier alle artikelen over de AI Pitch Competition - ook die van vorig jaar.

Bekijk serie

AI lokaal draaien: voorbereid op de Europese AI-verordening

Vanwege de gevoeligheid van industrieel intellectueel eigendom en operationele meetgegevens kiest Rigidbody niet voor verplichte verwerking in de cloud. “Gegevensbescherming is een voortdurende zorg bij softwareontwikkeling, en door de opkomst van generatieve AI wordt die alleen maar belangrijker”, aldus het team. “Nu de regelgeving rond AI verder wordt uitgebreid, moeten we ons systeem toekomstbestendig maken door privacy vanaf het begin centraal te stellen. Ons systeem is in de eerste plaats ontworpen om lokaal te draaien. Standaard vindt alle verwerking door de AI-modellen op de eigen locatie plaats, al kan het systeem ook rekenkracht uit de cloud ondersteunen als een operator die nodig heeft.”

Gespecialiseerde lokale modellen in plaats van allesomvattende AI

Als het team vijf tot tien jaar vooruitkijkt, ziet het industriële software steeds decentraler worden. “Ons langetermijndoel is om de standaard intelligente softwarelaag voor middelgrote maakbedrijven in uiteenlopende sectoren te worden”, stellen de oprichters. “Dat willen we bereiken door ons product eerst binnen één sector te ontwikkelen en pas op te schalen als onze aanpak zich bij operators in de praktijk heeft bewezen.”

“We zien nu al een bredere verschuiving naar kleine, gespecialiseerde modellen. Voor scherp afgebakende taken presteren die vaak beter en tegen lagere kosten dan de meest geavanceerde algemene modellen. Rigidbody wil een rol spelen in die ontwikkeling naar gespecialiseerde AI. Daarmee kan de intelligentie daadwerkelijk in de fabriek zelf draaien, zonder al te sterk afhankelijk te zijn van clouddiensten.”

Geloofwaardigheid opbouwen in een behoudende sector

Vanuit Brabant heeft het team toegang tot een grote concentratie precisiebedrijven, maar als jonge oprichters een voet tussen de deur krijgen in fabrieken blijft een uitdaging. “Nederland geeft ons toegang tot een grote markt van middelgrote industriële maakbedrijven in allerlei sectoren”, aldus het team. “Ons jaar in de waterstofsector heeft ons laten zien dat middelgrote Europese fabrieken de procesoptimalisatie missen waarover grote fabrieken wel beschikken. Als jonge oprichters is het vaak lastig om geloofwaardigheid op te bouwen in een gevestigde sector. Maar vorig jaar hebben we ervaring opgedaan in de samenwerking met operators van een Nederlandse waterstoffabriek. Als Rigidbody hopen we nu verder te gaan met het voorbereiden van industriële pilots.”

Voorbij de hype: de verantwoordelijkheid blijft in de controlekamer

In het debat over AI als zegen of als bedreiging grijpt Rigidbody terug op de uitgangspunten van de regeltechniek. “Generatieve AI brengt een positieve verandering teweeg in de industriële productie. Ze maakt ingewikkelde datastromen veel begrijpelijker voor mensen, doordat ze context toevoegt die anders misschien verborgen was gebleven”, stelt het team. “Dat verandert hoe industrieel werk wordt georganiseerd en waaraan operators hun tijd besteden.”

“Er zijn zeker risico’s, maar de meeste daarvan zijn binnen het vakgebied bekend. Regelsystemen hebben altijd vertrouwen moeten verdienen door betrouwbaar gedrag en duidelijk afgebakende veiligheidsmaatregelen. Voor AI geldt hetzelfde. De verantwoordelijkheid moet bij mensen blijven, een principe waarmee fabrieken altijd al hebben gewerkt. Operators moeten kunnen herkennen wanneer en waarom een model het mis heeft, en voorkomen dat ze blind op de hulpmiddelen vertrouwen. Tegelijkertijd moeten wij als ontwikkelaars systemen bouwen met ingebouwde veiligheidsmaatregelen, die hun afwegingen laten zien en niet alleen hun uitkomsten.”

Impact op het snijvlak van machines en software

Wanneer de finalisten op 12 november in het Evoluon hun pitch houden, presenteert Rigidbody een praktische combinatie van regeltechniek, informatica en chemische technologie. “Om dit probleem op te lossen, heb je kennis nodig van software, regelsystemen en industriële productieprocessen. Die combinatie hebben wij in huis”, besluiten de oprichters. “We zijn drie studenten: een laatstejaars bachelorstudent Computer Science and Engineering, een chemisch technoloog die een master innovatiemanagement volgt en een werktuigbouwkundige die een master mechatronica doet. Tijdens onze tijd in de waterstofsector hebben we alle drie geleerd hoe industriële fabrieken werken. Die kennis willen we nu breder in de industrie toepassen.”

“Veel AI levert hulpmiddelen op voor mensen die software bouwen. Wij verkennen een terrein waarop veel minder partijen actief zijn en waar de winst zichtbaar wordt in echte machines, in plaats van op een dashboard.”

De AI Pitch Competition wordt georganiseerd door Erasmus Enterprise, de BOM en IO+, met steun van de provincie Noord-Brabant. De finale vindt plaats tijdens AI Summit Brainport op 12 november in het Evoluon in Eindhoven.