CaseTechniek

Waar A.I. de productie het meeste oplevert

Van een lange ideeënlijst naar één uitgewerkte case met een berekende terugverdientijd.

Diensten: Consultancy
Platform: Workshop · Odoo

Groepsfoto van vijf mensen voor een whiteboard met uitgewerkte ideeen.

€20.000+verwachte waarde per jaar

Project Overzicht

Wie is Ayano?

Ayano is een Belgisch familiebedrijf uit Hoogstraten dat glazen en flessen decoreert. Denk aan bedrukte bierflessen, speciale trappistenflessen en drinkglazen voor grote merken. Het decoreren gebeurt in eigen huis en bij vaste partners in Duitsland, Oostenrijk en Roemenië.

Ayano werkt sinds ongeveer een jaar met Odoo als centraal ERP-systeem. Veel processen op de werkvloer liepen daarnaast nog op papier: kwaliteitsfiches, productiefiches en palletbonnen. CEO Erwin Meeuwesen wilde weten wat A.I. daar concreet aan kon veranderen.

De vraag

Ayano gebruikte A.I. nog nauwelijks, buiten wat ChatGPT hier en daar. Tegelijk was er een lange lijst met ideeën: kwaliteitscontrole met foto's, machinedata uitlezen, scans die misgaan, sales beter ondersteunen. De vraag aan Flowkify was daarom vooral een keuzevraag:

"We zien veel mogelijkheden met A.I., maar waar beginnen we? En hoe weten we op voorhand of het ook effectief iets opbrengt?"

Ayano wilde geen losse experimenten, maar een onderbouwde eerste stap.

Project Uitvoering

De aanpak

Wij werken in drie stappen: eerst de waarde vinden, dan de waarde bewijzen, dan de waarde bouwen. Voor Ayano deden we de eerste twee stappen. Een A.I. Opportunity Mapping om alle kansen boven water te halen en te prioriteren. Daarna een Business Value workshop om de belangrijkste kans volledig uit te werken, tot en met de businesscase.

1 · A.I. Opportunity Mapping

Een workshop op locatie bij Ayano, samen met de CEO, de operations- en scanverantwoordelijke en een productieconsultant. Zo verliep de sessie:

Inspiratie met concrete A.I.-cases uit productie en industrie.
Rondgang door het bedrijf en de departementen: productie, quality, office en IT.
Per departement de pijnpunten ophalen en het huidige A.I.-gebruik in kaart brengen.
Opportuniteiten genereren per A.I.-categorie.
Alles plotten op waarde tegenover complexiteit en samen prioriteren met een stemronde.

Uit de sessie kwamen drie uitgewerkte concepten en een reeks quick wins:

Concept	Wat het doet
Scan Assistant (P1)	Een foto-gebaseerde scanassistent gekoppeld aan Odoo, die ontbrekende en foute pallet-scans opvangt.
Quali AI (P1)	Digitale kwaliteitsregistratie via foto en spraak, met klachtenopvolging en machinerapportage.
Sales Assistant (P2)	Bezoekverslagen, orderanalyse en proactieve klantopvolging op basis van de Odoo-historiek.

Daarnaast een reeks quick wins: een A.I. notetaker voor intern overleg en klantbezoeken, e-mailtagging en persoonlijke A.I.-coaching voor de operations-verantwoordelijke.

Het voordeel: het managementteam ging van een losse ideeënlijst naar een gedragen prioriteitenlijst, met per concept een MVP-scope en de randvoorwaarden erbij.

2 · Business Value workshop rond de Scan Assistant

De Scan Assistant kwam als eerste uit de bus. De reden: elke dag ging er tijd verloren aan pallets die niet of verkeerd gescand werden. In een workshop van een halve dag met de operations-verantwoordelijke, de productieconsultant en de CEO werkten we die case volledig uit:

Doel en meetpunten vastleggen: minder manueel uitzoekwerk, minder gemiste scans, snellere reactie naar de klant en hogere klanttevredenheid.
Het huidige proces uittekenen van lossing over productie tot inpakken, stap voor stap.
De pijnpunten benoemen: onbekende pallets, onleesbare barcodes, een verwarrende scanner-app en dubbele handelingen voor de operator.
Een toekomstbeeld uitwerken: één eenvoudige tabletapp per productielijn, met een grote scanknop en een voortgangsbalk tot alles gescand is.
Een klikbare mockup maken die het team zelf kon uitproberen.
De scope vastleggen in 22 user stories, verdeeld volgens must, should, could en won't have.
De technische architectuur uittekenen: een eigen webapp op Azure in West-Europa, gekoppeld aan Odoo via de API en aan SharePoint voor de productiefiches.
De businesscase samen berekenen, met de cijfers van Ayano zelf.

Twee onderdelen maakten het verschil in die uitwerking. Bij een onleesbare barcode neemt de operator gewoon een foto. A.I. leest daar de SSCC-code en de gegevens van de palletbon uit, zoals productiedatum, batchnummer en palletnummer. En twijfelgevallen komen niet bij de operator terecht, maar in een validatielijst waar de verantwoordelijke ze met één klik goedkeurt of corrigeert. De mens blijft dus beslissen, zonder de lijn stil te leggen.

Het voordeel: geen ruw idee meer, maar een afgebakende eerste versie met een scope, een planning, een architectuur en een berekende terugverdientijd.

Resultaten

Ayano heeft nu een duidelijk beeld van waar A.I. in het bedrijf het meeste oplevert, en waarom. De prioriteiten zijn bepaald samen met de mensen die het werk elke dag doen.

De businesscase van de Scan Assistant is concreet en positief. Vandaag gaat er ongeveer 2,5 uur per dag naar het manueel rechtzetten van scans, goed voor zo'n 550 uur per jaar. Samen met minder printwerk en snellere klachtenafhandeling komt de verwachte waarde uit op ruim 20.000 euro per jaar. De terugverdientijd van de volledige oplossing blijft onder de twee jaar.

Daarnaast staan er zaken in de balans die je niet in euro's uitdrukt: volledige traceerbaarheid per pallet, betere datakwaliteit en operatoren die niet meer drie keer moeten proberen voor een scan lukt.

Flowkify blijft Ayano ondersteunen als A.I.-partner, met focus op schaalbare oplossingen en maximale impact.

Wil jij ook weten waar A.I. in jouw productie het meeste oplevert? Neem contact op met Flowkify voor een A.I. Opportunity Mapping op maat.

Aan de slag