Een metaalbedrijf in Hengelo laat AI meebeslissen over wanneer de lasermachines draaien. Sinds begin oktober test GOMA een systeem dat de productievolgorde afstemt op de stroomprijzen van de volgende dag (Bron: Emerce Wire).
Heb je een werkplaats, bakkerij of productiebedrijf met een paar grote stroomverbruikers? Dan is dit een van de weinige AI-toepassingen die direct op je energierekening uitkomt. Hieronder wat GOMA doet, wat het moet opleveren en wat je er zelf mee kunt.
Wat GOMA test
GOMA is een familiebedrijf in metaalbewerking, actief sinds 1962, met zo’n 100 medewerkers (Bron: WijOverijssel). Samen met KickstartAI, een stichting die is opgericht door Ahold Delhaize, ING, KLM en NS, bouwde het bedrijf een systeem dat twee dingen combineert (Bron: Metaal Magazine).
Eerst voorspelt het hoeveel energie een order kost. Daarvoor zijn energiemeters geplaatst en zijn productiegegevens uit verschillende systemen aan elkaar gekoppeld. Daarna legt het die voorspelling naast de energieprijzen van morgen en stelt het een volgorde voor: het zware werk op de goedkope uren (Bron: Emerce Wire).
De proef draait op drie pons- en lasermachines. Die zijn samen goed voor ongeveer 30 procent van het energieverbruik van GOMA (Bron: Emerce Wire). Slim gekozen: je begint waar het meeste stroom heen gaat.
Beginner-tip: De AI drukt hier niet zelf op de knop. Het systeem doet een voorstel en de planner beslist. Dat heet human-in-the-loop, en voor een eerste AI-toepassing in je productie is dat precies de goede volgorde.
Wat het moet opleveren
Het doel is bescheiden en daardoor geloofwaardig: 2 tot 5 procent lagere totale energiekosten. In simulaties daalde het stroomverbruik op een piekmoment met circa 4,3 procent (Bron: WijOverijssel). Of die cijfers op de fabrieksvloer standhouden, moet in oktober blijken.
Let op wie die cijfers noemt. Het bericht van 9 oktober is ingezonden door KickstartAI zelf (Bron: Emerce Wire). Een onafhankelijke meting is er nog niet. “Voor ons gaat het uiteindelijk om de praktijk,” zegt directeur Tom Kreunen: kan het slimmer met energie zonder dat productie of levertijden eronder lijden?
Ik vind die nuchterheid het sterkste aan deze proef. Geen belofte dat AI de helft van je rekening wegtovert, maar een paar procent op een kostenpost die voor een metaalbedrijf flink oploopt.
Waarom de stroomprijs van morgen ertoe doet
Plannen op prijs werkt alleen als de prijs per uur verschilt. Bij een dynamisch energiecontract hangt je stroomprijs aan de day-ahead-markt. Die prijs kan van uur tot uur verschillen en is een dag van tevoren bekend (Bron: ACM). Dat is precies het moment waarop een planner de volgorde voor morgen nog kan schuiven.
Heb je een vast tarief per kWh, dan levert verschuiven in de tijd weinig op voor je rekening. Het kan wel helpen om pieken te dempen, en dat speelt mee waar het stroomnet vol zit. Hoe krap het net is, lees je in ons stuk over AI-datacenters die zich uit de stroomwachtrij kopen.
Gevorderden: Het lastige deel zit niet in het AI-model, maar in de data. GOMA moest meters plaatsen en gegevens uit verschillende systemen koppelen voordat er iets te voorspellen viel. Reken op die stap als het grootste werk, niet als bijzaak.
Wat dit voor jou als ondernemer betekent
De pilot is opgezet om de methode later voor ander mkb bruikbaar te maken, met het ministerie van Economische Zaken, FME en Koninklijke Metaalunie als betrokken partijen (Bron: Emerce Wire). Een pakket dat je morgen kunt kopen is het dus nog niet. Wel kun je nu al voorsorteren:
- Kijk naar je contract. Werk je met een vaste prijs of een prijs die per uur meebeweegt? Dat bepaalt of plannen op prijs geld oplevert.
- Meet je grootste verbruikers. Zet meters op de drie of vier machines die het meeste stroom trekken en verzamel een paar weken data.
- Laat de planner beslissen. Begin met een voorstel naast de bestaande planning, niet met automatisch schuiven.
- Spreek vooraf af wat succes is. GOMA mikt op 2 tot 5 procent. Schrijf jouw getal op voordat je begint.
Die laatste stap klinkt saai, maar daar stranden veel proeven op. Onze checklist voor het eigenaarschap van een AI-pilot helpt je om vooraf vast te leggen wie wat meet. Wil je eerst breder zien waar AI in een mkb-bedrijf iets oplevert, kijk dan naar de vier praktijkvoorbeelden van AI in het mkb.