In de vorige eeuw is veel werk verzet in het ontwikkelen van procesmanagement. Procesbeschrijvingen begonnen met eenvoudige flowcharts en groeiden tot complete procesoverzichten en workflowmanagementsystemen met taken, verantwoordelijkheden en bevoegdheden. Procesmanagement werd een aparte discipline. Zo werd een solide basis gelegd voor nieuwe ontwikkelingen. In dit artikel gaan we in op process mining als techniek om de proceswerkelijkheid te onderzoeken en op vormen van robotisering die gebaseerd zijn op automatisering van processen en laten we zien wat een robot, cobot en databot kunnen betekenen.
Een proces is een reeks samenhangende en terugkerende activiteiten gericht op het realiseren van een bepaald doel.[1] Het denken in processen heeft zich ontwikkeld van het in kaart brengen van (deel)processen door middel van flowcharts en werkinstructies tot het gedetailleerd beschrijven van processen waarbij de volledige keten van activiteiten die leiden tot het beoogde doel in kaart wordt gebracht. De organisatie die zo’n proces optimaal uitvoert kent wel verschillende afdelingen maar het proces wordt horizontaal door de afdelingen heen uitgevoerd[2]. Een dergelijk vorm van procesgericht werken vraagt om een goede aansturing van het proces door een proceseigenaar die verantwoordelijk is voor het onderhouden van de procesdocumentatie, het monitoren en analyseren van de procesprestaties en het verbeteren daarvan bezien vanuit het perspectief van de klant van het proces.
Lean is bij uitstek een aanpak om processen te optimaliseren. De Value Stream Map of waardestroomanalyse is een gestructureerde methode om de doorlooptijd van processen in kaart te brengen en knelpunten te identificeren. Voor dienstverlenings- en administratieve processen is een Makigami een goed hulpmiddel om de processtappen, doorloop- en procestijden en informatiestromen in beeld te brengen[3]. Welke methode ook wordt toegepast, het resultaat geeft inzicht in het (ideale) proces en vormt de basis voor verder analyses en verbeteringen van dat proces.
We gaan er doorgaans vanuit dat het proces in werkelijkheid exact zo wordt uitgevoerd als beschreven in de procesdocumentatie. Dat is een goed vertrekpunt maar in de dagelijkse praktijk zien we dat invulling van processtappen nog wel eens afwijkt van wat in het model wordt aangenomen. Soms bevatten procesmodellen zelfs stappen die nooit worden toegepast. Vaker geven procesmodellen een beperkte en vereenvoudigde versie van de werkelijkheid weer waarin details – die juist vaak voor problemen zorgen – zijn weggelaten. Procesmodellen verouderen ook en laten bijgevolg niet altijd de actuele situatie zien[4].
Hoe kom je daar nu achter en hoe kun je de feitelijke realiteit in overeenstemming brengen met het procesmodel om zo een goede basis te creëren van waaruit problemen en knelpunten begrepen en opgelost kunnen worden en data geanalyseerd kunnen worden en zo tot betere processen kunnen leiden?
Het antwoord hierop is process mining. Deze techniek is ontwikkeld door Wil van der Aalst en wordt sinds 2010 door steeds meer bedrijven toegepast. Van der Aalst was expert in workflowsystemen en ontdekte dat daarmee niet altijd analyses gemaakt konden worden die bedrijven vooruit hielpen. Process mining maakt gebruik van de grote hoeveelheden data die in moderne productiebesturingssystemen (bijvoorbeeld ERP-systemen) volop voorhanden zijn. Het gaat dan bijvoorbeeld bij een orderhandlingsysteem om de volgende data die uit event logs worden gehaald:
Via data mining wordt een overzicht gegenereerd waarin meteen duidelijk wordt hoe vaak welke processtappen in procesmodellen gebruikt worden (en welke dus niet), hoelang orders in de flow aanwezig zijn, etc. Het geeft inzicht in gebeurtenissen rond – in dit geval – orders. We krijgen inzicht in knelpunten en afwijkingen van de ideale flow (fig. 1). Oorzaak en gevolg relaties kunnen worden aangetoond. Op basis van de analyses kunnen we verbetervoorstellen bedenken.
Wat process mining feitelijk doet is ongestructureerde data via algoritmes omzetten in gestructureerde data (fig. 2). De kwaliteit van die ongestructureerde data en de toegankelijkheid ervan zijn voorwaarden voor een succesvol traject. Validatie van de gestructureerde data is belangrijk om vast te stellen of deze data de basis kunnen zijn voor vervolgstappen. De onderzoeksgroep van Van der Aalst heeft honderden open source algoritmes ontwikkeld die in een passende situatie kunnen worden gebruikt.
Process mining kan in allerlei sectoren worden toegepast waar productiedata voorhanden zijn. Naast productie- en logistieke bedrijven zijn dat bijvoorbeeld banken, verzekeraars, telecommunicatiedienstverleners, energiebedrijven en ziekenhuizen.
Er worden drie klassen van process mining onderscheiden:
De digitale mijnwerker heeft met process mining een mooi kwantitatief gereedschap in handen gekregen om processen beter te kunnen analyseren. Deze analyses kunnen leiden tot belangrijke procesaanpassingen en -verbeteringen die verder geen bijzondere gevolgen hebben voor klant of medewerker. Maar de analyses kunnen ook leiden tot voorstellen die drastisch ingrijpen in het werken met het proces. Het zou kunnen dat door procesvereenvoudigingen (delen van) afdelingen overbodig worden en medewerkers moeten worden herplaatst of zelfs ontslagen. Het zou ook kunnen dat de customer journey zodanig moet worden aangepast dat de effecten hiervan eerst met een focusgroep of klantpanel moeten worden onderzocht voordat tot invoering kan worden overgegaan. Deze kwalitatieve onderzoeken vullen process mining aan in het komen tot een verantwoorde besluitvorming.
In met name de 20ste eeuw zien we de opkomst van machines die het mogelijk maken om zwaar werk te verrichten dat voorheen ofwel niet mogelijk was ofwel alleen met inzet van veel hand- of dierkracht gedaan kon worden. Zo worden in de landbouw paarden en eenvoudige werktuigen vervangen door tractoren en geavanceerde machines, bijvoorbeeld voor het oogsten. In de industrie zien we (elektrische) machines verschijnen die producten voortbrengen. De auto met zijn verbrandingsmotor maakt het mogelijk om grotere afstanden comfortabel af te leggen dan voorheen met paard en wagen mogelijk was. Treinen, vliegtuigen en schepen bieden nog meer vormen van vervoer.
In de 21ste eeuw komt daar een nieuwe vorm van automatisering bij: de robot die delen van een proces overneemt. Deze robot beantwoordt aan de definitie van NEN-ISO 8373: “an automatically controlled, reprogrammable, multipurpose, manipulator programmable in three or more axes, which may be either fixed in place or mobile for use in industrial automation applications”.
De voordelen van het inzetten van robots in industriële processen zijn evident. Robots zijn snel, nauwkeurig, krachtig en betrouwbaar. Ze voeren desgewenst 24 uur per dag dezelfde handelingen uit zonder moe te worden of fouten te maken. Tegelijkertijd zijn ze beperkt in hun mogelijkheden. Een eenvoudige industriële robot is blind en dom. Ook al is hij soms met een camera uitgerust, als er echt iets mis gaat zal de robot dat niet oplossen. Hij is volledig afhankelijk van zijn besturingssoftware. Overigens heeft de jarenlange ontwikkeling van dit soort robots wel geleid tot zeer betrouwbare systemen.
We zien toepassingen voor robots overal waar herhalende taken die goed gedefinieerd zijn (rule based) plaatsvinden. Met name in de auto-industrie en de elektronica-industrie zijn grote aantallen robots te vinden. Ook in de logistieke wereld vinden we steeds vaker robots. De verpakkingsindustrie maakt er veel gebruik van en voor transport in magazijnen worden Automatic Guided Vehicles (AGV) ingezet.
Robots kunnen worden ingezet op plaatsen waar het voor mensen te gevaarlijk of te moeilijk is. Bij onderzoek van hemellichamen worden robots gebruikt om bodemmonsters te nemen. Bij het ontmantelen van munitie gebruikt de Explosieven Opruimingsdienst Defensie graag robots. Melkveebedrijven passen de melkrobot – ook bekend als automatisch melksysteem - toe. De koe bepaalt zelf wanneer ze gemolken wil worden; tijdens het melken wordt automatisch het vet- en eiwitgehalte van de melk gemeten en beoordeeld of er sprake is van mastitis.
In veel sectoren kunnen robots worden toegepast. In een tijdperk waarin het tekort aan vakmensen steeds verder toeneemt is het noodzaak om werk dat een robot kan doen ook daadwerkelijk door een robot te laten doen. De vakman/vrouw kan zijn kennis toevoegen aan het werk dat de robot uitvoert. Door de toegenomen programmeermogelijkheden zijn robots steeds meer in staat om ook maatwerk te leveren. Het Fieldlab Industrial Robotics is opgericht om bedrijven, onderwijs en vakmensen bij elkaar te brengen en ervoor te zorgen dat technologische ontwikkelingen en onderwijs in robotica aansluiten bij de vraag uit de markt[5].
Hoewel het grootste aantal robots te vinden is in Zuidoost-Azië (Zuid-Korea, Singapore, Japan), telt Europa er ook een behoorlijk aantal: 136 robots per 10.000 medewerkers, waarbij Duitsland de lijst aanvoert met 415, Nederland heeft 248 robots per 10.000 medewerkers[6]. De toepassing van robots kan van verschillende kanten benaderd worden. In eerste instantie lijkt het erop dat banen verdwijnen door de inzet van robots, een robot heeft immers een hogere productiviteit dan een medewerker. Bij nadere beschouwing hoeft dat niet zo te zijn. De inzet van robots vraagt ook weer om extra technici die de robots onderhouden. Uiteraard heeft ook de fabrikant van de robots medewerkers nodig. Verder zien we een verschuiving van werk. Binnen een bedrijf dat robots gaat inzetten, komen medewerkers vrij die zich kunnen verdiepen in andere taken waar hun creativiteit beter tot zijn recht komt dan bij repeterende productiehandelingen. Door een fabriek vergaand te automatiseren is het mogelijk om werk dat eerder werd uitbesteed aan lagelonenlanden weer terug te halen (reshoring). Met name onderzoeksinstellingen geven aan dat door de inzet van robots meer banen ontstaan dan verdwijnen.
Wie een robot wil programmeren loopt tegen problemen aan. Om optimaal van de mogelijkheden van de robot te profiteren moet er in native robotcode geprogrammeerd worden. En dan blijkt dat elke robotfabrikant zijn eigen native code heeft ontwikkeld… Een mooie markt voor robotsoftware engineers! Er zijn grafische tools op de markt om het programmeren te vereenvoudigen.
Als de toepassing wat minder (tijd)kritisch is kan gebruik gemaakt worden van ROS, een Robot Operating System dat als meta-besturingssysteem functioneert. ROS is open source software en beschikbaar voor veel gangbare robots. Met ROS kunnen moderne programmeertalen zoals Python worden gebruikt om een robot te programmeren. Overigens hebben ervaringen uit de game-industrie de beeldherkenningsmogelijkheden van robots sterk verbeterd.
De ontwikkelingen rond AI maken het mogelijk robots van een zekere mate van intelligentie te voorzien. Camerabeelden worden geanalyseerd, patronen worden herkend en een algoritme zorgt voor een passende actie. Enkele voorbeelden laten zien wat de mogelijkheden en beperkingen zijn.
Een klassieke robot wordt om veiligheidsredenen doorgaans afgeschermd van medewerkers. Een cobot (collaborative robot) wordt juist gebruikt om directe interactie met mensen te hebben. Bijvoorbeeld helpen om zware dingen te transporteren of vervelende klusjes over te nemen.
Een mooi voorbeeld is een lascobot die in staat is om allerlei soorten lassen te maken samen met een medewerker die het apparaat aanstuurt. Het zorgt voor efficiëntere en nauwkeurigere productieprocessen maar ook voor meer gebruiksgemak bij de medewerkers.
Een standaardrobot kan prima standaardproducten oppakken en verplaatsen. Zodra producten variëren in vorm, grootte of gewicht, gaat het fout. Door deep learning-technieken toe te passen wordt geprobeerd dit op te lossen zodat robots bijvoorbeeld in magazijnen taken kunnen overnemen van mensen. Zo heeft Picnic in Utrecht een enorm distributiecentrum (42.000 m2) geopend waar 100 robots levensmiddelen verzamelen volgens het principe ‘goods to person’ voor de medewerkers die de goederen verder verwerken in 200.000 kratten voor 150.000 gezinnen. Ook Amazon gebruikt grote aantallen robots in zijn magazijnen, maar een op zich simpele handeling als het inpakken van een pakketje wordt nog altijd door mensenhanden gedaan.
Experimenten met robots als vakkenvuller in de supermarkt hebben aangetoond dat dat wellicht kan, maar tevens dat het zo complex is – duizenden verschillende producten van verschillende vorm, mensen die door de winkel lopen – dat daarvoor een geheel nieuwe aanpak moet worden ontwikkeld: symbolische kennis, waarmee de robot een object herkent, classificeert en ‘weet’ wat hij er wel en niet mee kan doen. Het automatiseren van deze op het eerste gezicht simpele taken gaat nog wel tot 2030 duren…
Robots kunnen taken overnemen van mensen waar veiligheidsaspecten een rol spelen: bijvoorbeeld in de chemische industrie wordt een slimme robot niet gehinderd door schadelijke gassen of dampen of hoge temperaturen die voor een mens wel bedreigend kunnen zijn. Er is een chip ontwikkeld die met een algoritme een tiental geuren zoals methaan en ammoniak kan herkennen.
Winkelrobot
Dat invoering van robots niet altijd succesvol verloopt, toont het Amerikaanse supermarktconcern Walmart aan. In 2015 startte Walmart met project waarin robots de schappen van 4700 winkels zouden scannen om de voorraad bij te houden. Uiteindelijk zijn de robots in 500 winkels geïnstalleerd. In 2020 is het project gestaakt. Klanten reageerden niet altijd even positief op de robots en de eigen medewerkers konden ook veel doen om de schappen vol te houden. Walmart gaat wel door met dweilrobots die de gangpaden schoonhouden.
Bron: AG Connect, 2020
Het begrip ‘zwerm’ komen we ook bij robots tegen. Autonome voertuigen in fabriekshallen en magazijnen maken gebruik van zwerm navigatiesystemen, waarbij de voertuigen voortdurend met elkaar in contact staan en zelfstandig hun weg weten te vinden.
Ook drones – feitelijk vliegende robots – kunnen als zwerm worden aangestuurd. Omdat een drone beperkte rekenkracht en weinig accuvermogen heeft komt het erop aan om de navigatie simpel en efficiënt in te richten. Onderzoekers leren van insecten hoe deze vliegen en elkaar en obstakels ontwijken en vertalen dat naar algoritmes in de drones. Drones kunnen ingezet worden om bijvoorbeeld nesten van eikenprocessierupsen in bomen te detecteren. Ook het inspecteren van de wieken van windmolens behoort tot de mogelijkheden. In de bouwsector worden drones ingezet om grondwerken te inspecteren. Politie, brandweer en particuliere beveiligingsbedrijven gebruiken ze om gebouwen en terreinen te inspecteren. In de tuinbouwsector zijn er meer recente voorbeelden van robotmachines die appels en rijpe aardbeien plukken op basis van kleurvariaties, wijngaarden snoeien en zieke tulpen in bollenvelden herkennen. Er is een robotische valk ontwikkeld om op vliegvelden echte vogels te verjagen.
Ook in de zorg wordt in toenemende mate van robots gebruik gemaakt. Sociale humanoïde robots kunnen worden ingezet bij speciale doelgroepen. Deze robots kenmerken zich door zeer geavanceerde gezichtsuitdrukkingen. Bij kinderen met autisme kan dat helpen om hun sociale vaardigheden te stimuleren. Bij ouderen met dementie zijn het juist cognitieve vaardigheden die door de robot kunnen worden geactiveerd.
Robots kunnen ook assisteren bij chirurgische ingrepen. De Da Vinci-robot wordt al meer dan tien gebruikt vooral bij complexe operaties. De robot is beter in staat om kijkoperaties uit te voeren waardoor de patiënt minder bloedverlies en minder pijn heeft en sneller herstelt. De robot vertaalt de bewegingen van de vingers van de chirurg met grote precisie. Door de constructie van de robot kan de chirurg gebieden bereiken waar hij bij een normale operatie minder makkelijk bij komt.
Veel patiënten zien niet zoveel in zorgrobots aan het bed. Robots missen empathisch vermogen. Verpleegkundigen en specialisten leveren persoonlijke zorg en gaan interactie met patiënten aan. Ook ziekenhuizen hebben hun twijfels: investeren in robots is kostbaar (een Da Vincirobot kost een kleine twee miljoen euro), als de robot een fout maakt wie is dan verantwoordelijk: de fabrikant, de specialist of het ziekenhuis?
Tot slot nog een vorm van robotisering. Bij kantoorwerkzaamheden komen veel geestdodende, herhalende taken voor. Wie kent niet het overtypen van gegevens uit het ene systeem in het andere, het sturen van bevestigingsmails zonder al te veel daaraan toe te voegen, opslaan van documenten in dossiers, etc. Als we deze handelingen ook rule based kunnen beschrijven, dan kan een software robot – soms ook databot of RPA-bot genoemd - ze uitvoeren. Dat heet Robotic Process Automation (RPA). RPA neemt vervelende taken over van medewerkers die zich daardoor kunnen richten op meer waarde toevoegende taken. Net als de industriële robot is de software robot – mits juist geprogrammeerd - snel, foutloos en betrouwbaar.
RPA bij banken
Banken kennen tal van processen die goed beschreven zijn en zich lenen voor automatisering. Bij het aanvragen van een hypotheek moet veel informatie verzameld en beoordeeld worden. RPA kan een deel daarvan overnemen waardoor de doorlooptijd van een aanvraag verkort kan worden.
Fraude is exponentieel toenemend probleem. Een geautomatiseerd fraudedetectiesysteem kan transacties continu beoordelen op mogelijke fraude of valse identiteiten en verdachte handelingen ter beoordeling aan een deskundige medewerker voorleggen.
Aantoonbaar voldoen aan wet- en regelgeving is voor banken een conditio sine qua non. Voor zover naleving daarvan in heldere regels is te vatten kan RPA hieraan invulling geven en is een continue vorm van compliance mogelijk.
Wie start met RPA, begint met het begrijpen van het proces of de processtappen die RPA moet overnemen. Technieken zoals process mining kunnen daarbij behulpzaam zijn. Een goed beschreven, gestandaardiseerd proces met gestructureerde data en goed gedefinieerde regels is een basisvoorwaarde. Inzicht in de kansen en de risico’s helpt om de juiste beslissingen te nemen. Dat betekent dat voor succesvolle implementatie van RPA een multidisciplinair team noodzakelijk is. Van dat team maken ten minste deel uit: de procesmanager als domeindeskundige en beoordelaar van de business case, de key user als gebruiker die use cases aanlevert, de IT-afdeling als kenner van de IT-architectuur, de softwaresystemen en de beveiliging daarvan, de programmeur als kenner van RPA-software en de risicomanager als beoordelaar van kansen en risico’s.
Toepassingen van RPA zijn er vooral in sectoren met veel administratieve processen, zoals banken, verzekeraars, energie- en telecommunicatiebedrijven. Maar ook andere sectoren hebben baat bij het invoeren van RPA.
[5] Bakker, R. en Hardjono, T. (2013). Horizontaal organiseren. Deventer: Kluwer.
[6] Oosterhoorn, A. (2014). Makigami. Sigma, nr. 5, p. 18-19.
Kees de Vaal heeft zich na zijn studie Elektrotechniek aan de TU Delft gedurende bijna dertig jaar in de hightechindustrie beziggehouden met veel aspecten van kwaliteitsmanagement. Sinds 2012 is hij werkzaam als zelfstandig adviseur, principal auditor, docent en auteur. Hij was van 2000 tot 2005 voorzitter van EFQM-NL en van 2006 tot 2015 bestuurslid van NNK. Van 2013 tot 2018 was hij hoofdredacteur van het vakblad Synaps. Hij is mede-auteur van de boeken Kwaliteitsmanagement in de praktijk en Perspectieven op Kwaliteit.NL.
Dit artikel is gebaseerd op de hoofdstukken 6 en 7 van het boek 'De Kwaliteit van Data' van de sectie Data & Kwaliteit van het NNK.
In 2018 richtte Arend Oosterhoorn de sectie Data en Kwaliteit van het NNK (Nederlands Netwerk voor Kwaliteitsmanagement) op. Onze missie is het gebruik van data en de bijdrage daarvan aan het leveren van kwaliteit in een snel veranderende omgeving voortdurend aanjagen en verbeteren. Een van de doelen was het publiceren over onze bevindingen. In de loop van 2020 ontstond het idee het verzamelde materiaal in een boek te verwerken. Arend heeft hieraan een belangrijke bijdrage geleverd. Na zijn overlijden begin 2022 heeft Kees de Vaal samen met de andere leden van de sectie het boek voltooid.
Het boek De Kwaliteit van Data bevat vijf delen: Het veranderende ecosysteem, Data verzamelen en beheren, Data analyseren met statistische methoden, Data analyseren met kunstmatige intelligentie en Data presenteren en duiden.
Het boek is verkrijgbaar via de webwinkel van uitgeverij Boekscout, bol.com, managementboek.nl en de boekhandel (ISBN: 9789464683721).
In een reeks artikelen bespreken leden van de NNK-sectie Data en Kwaliteit onderwerpen uit het boek.
Lees ook: De reis naar een datagedreven wereld, en: De datawereld stelt aanvullende eisen aan de bedrijfsvoering, De jager-dataverzamelaar en Is er sprake van digitale soevereiniteit?
Beluister ook de NNK-podcast waarin hoofdstukken uit het boek 'De kwaliteit van data' worden besproken.
Dit artikel verscheen in Kwaliteit in Bedrijf, mei-juni 2024.