Techniek staat aan de basis van elke mengvoerfabriek. Terwijl de kernprocessen al jaren hetzelfde zijn, veranderen de systemen eromheen voortdurend. Drie bedrijven geven hun visie op de trends en innovaties die de komende jaren richting geven. Met een hoofdrol voor data en AI.
De rol van automatisering in voerfabrieken verschuift. Waar vroeger vooral werd gemeten en aangestuurd, ligt de focus nu op begrijpen en voorspellen.
Technische ontwikkelingen zijn van alle tijden. Ook in de diervoederindustrie gaan veranderingen altijd door, waarbij veel achter de schermen gebeurt. “In het algemeen heeft automatisering in de fabrieken de afgelopen jaren een vlucht genomen”, ziet Jeroen Baars, business unitmanager bij machinebouwer Ottevanger. “Wat er nu met data en AI gebeurt is feitelijk een doorontwikkeling van een proces dat al jaren aan de gang is.”
Baars noemt een paar aanwijsbare momenten die de ontwikkeling hebben versneld. Een belangrijke was de energiecrisis van enkele jaren geleden. “Toen lag de nadruk vooral op kostenverlaging.” Energiebesparing is inmiddels ook belangrijk om klimaatdoelen te halen en om problemen met netcongestie te beperken. Daarnaast gaven eisen rond traceerbaarheid en kwaliteitsborging de ontwikkeling de afgelopen decennia extra impulsen.
Flexibele systemen
Ook Dennis van Lankeren, business unitmanager Alfra bij KSE, ziet veranderingen in de technische ontwikkelingen. Hij noemt de grote vraag naar veiligheid en gebrek aan (passend) personeel ook als drijfveren. “Medewerkers zoals operators zijn schaars en fysieke arbeid is steeds moeilijker te organiseren.”
Een voerinhoudelijke ontwikkeling van de afgelopen jaren is de toename van het aantal grondstoffen, ook in nieuwe vormen. Vanuit nutritie en regelgeving worden recepturen complexer, met doseringen die uiteenlopen van enkele grammen tot tientallen kilo’s. Waar tien tot vijftien jaar geleden microcomponenten vaak nog handmatig werden toegevoegd, is het aandeel automatische doseringen sterk gegroeid.
Dat vraagt om flexibelere systemen. KSE speelt hierop in met het weger-in-wegerconcept, dat zowel op stationaire als verrijdbare weegsystemen kan worden uitgevoerd. Op die manier kan eenzelfde systeem een grote doseerbandbreedte aan, van microdoseringen tot grotere hoeveelheden. Tegelijkertijd wordt het gedrag van grondstoffen uitdagender: van poeders die bijna vloeibaar zijn tot producten die brugvorming of klontering vertonen. “Activering is steeds vaker maatwerk. Dat kan variëren van woelers en luchtinjectie tot het aanpassen van de drager.” Soms is het testen wat werkt en wat niet.
AI ingrijpende trend
Zonder twijfel is AI één van de meest ingrijpende trends. KSE experimenteert al concreet, bijvoorbeeld met doseeralgoritmes die machines 25 tot 50 procent sneller laten werken. Ook in softwareontwikkeling verandert veel: minder handmatig programmeren, meer testen en borgen.
Voor de klanten van de techbedrijven kan AI helpen bij het optimaliseren van productieplanning, het benutten van machine-data en het sneller oplossen van storingen. Van Lankeren: “Het liefst wil een klant niet drie of vier partijen hoeven bellen bij een storing. Goede documentatie, uniforme data en open standaarden zijn cruciaal.” AI kan uiteindelijk een allesomvattend systeem vormen met alle info verzameld en ontsloten. KSE gebruikt dit al jaren om vanuit ervaringsdata designs te optimaliseren en te engineeren. Maar de mogelijkheden met AI gaan veel verder. Van Lankeren omschrijft het als: ‘vragen stellen aan de fabriek zelf’.
Ook bij systems integrator Van Mourik nemen data en AI een steeds belangrijkere rol in. Manager serviceorganisatie Stephan Tollenaar beschrijft dat de rol van automatisering in voerfabrieken verschuift. Waar vroeger vooral werd gemeten en aangestuurd, ligt de focus nu op begrijpen en voorspellen. “Eerst had je een ‘operator’ die precies wist hoe het zat met een eenvoudige besturing. Nu hebben we al geavanceerdere regelingen, maar het aansturen gebeurt nog steeds grotendeels handmatig. In de toekomst zal de operator vooral een bewakende functie hebben, met realtime monitoring om kwaliteit en energiegebruik te borgen.”
‘We werken eerder aan verbetering van het proces dan aan nog grotere machines die grote vermogens vragen’
Van Mourik implementeert al dashboards via een eigen IOT-platform. Operators hebben daardoor inzicht in gebeurtenissen van bijvoorbeeld de afgelopen uren of langer terug in de tijd. Dat maakt bijvoorbeeld het wisselen van shifts een stuk gemakkelijker, met minder kans op fouten. Inlijn kwaliteitsmetingen worden ook al toegepast. Tollenaar ziet dit jaar een grote stap richting slimme, voorspellende analyses. ‘Machine learning’ speelt daarbij een centrale rol: modellen worden ingeleerd met grote datasets om vervolgens adviezen en voorspellingen te doen.
Efficiëntieslagen maken
Van Mourik heeft bij een aantal voerfabrikanten pilots lopen om data van een inlijntester voor slijtvastheid te combineren met andere procesdata. Daarmee is de kwaliteit beter te voorspellen. “Operatoren krijgen zo handvatten om betere parameters te kiezen, bijvoorbeeld bij energiegebruik of wisselende grondstofprijzen.” Zo zijn processensoren gekoppeld aan een eigen IOT-platform, waardoor de data continue is te monitoren. “Daardoor zagen we waar kleine aanpassingen grote besparingen opleverden.”
Los van de technische ontwikkelingen ziet Tollenaar dat op veel mengvoerbedrijven nog efficiëntieslagen zijn te maken. “Als we scans uitvoeren bij klanten zien we vaak dat processen met minimale aanpassingen 20 tot 30 procent capaciteit hoger kunnen draaien.” Het eerste doel is het laaghangende fruit: het persproces is goed voor 70 procent van het energieverbruik. We zien dat oplopende besparingen mogelijk zijn van euro’s per ton bij toepassing van datagestuurde optimalisaties.” Andere processen, zoals malen en mengen, zijn ook interessant voor optimalisatie. Gronstofanalyse biedt aanvullende mogelijkheden, hoewel daar andere technieken voor nodig zijn. “Met dezelfde grondstoffen produceren we constante kwaliteit met minder verliezen en minder energie.”
Naar predictief onderhoud
Onderhoud in voerfabrieken is nog vaak reactief. Tollenaar: “We willen naar proactief en uiteindelijk predictief onderhoud, maar dat moet stap voor stap. Eerst vaste inspectierondes, daarna datagestuurd ingrijpen. Voor bewerkende machines zoals hamermolens en persen zien we dat dit de komende vijf jaar haalbaar is.”
Andere technologische trends die binnen die tijd standaard zijn, zijn volgens hem ‘in-line’ kwaliteitsmetingen voor slijtvastheid, vocht en temperatuur, batchgebaseerde dataverzameling, voorspellende analyses via machine learning en ‘dashboards’ die ‘operators’ context geven in plaats van alleen waardes. Ook integratie van operationele en informatietechnologie wordt steeds gebruikelijker.
Voor de klanten van de techbedrijven kan AI helpen bij het optimaliseren van productieplanning, het benutten van machine-data en het sneller oplossen van storingen.
Dat ziet ook Van Lankeren van KSE. Steeds meer sensoren zijn beschikbaar en betaalbaar (zie kader Sensoren van basiscontrole tot datagedreven processturing). ‘Vision’-technologie kan afwijkingen vroeg signaleren. In andere sectoren is dit al gangbaar; in de diervoederindustrie moet die slag nog komen. “Eisen rondom bijvoorbeeld stof (Atex) kunnen dat bemoeilijken.”
Hij koppelt het ook aan service. Door strengere eisen rond CE, machineveiligheid en ‘cybersecurity’ zijn risico’s groter geworden. Tegelijkertijd maken internationale projecten het lastiger om overal engineers heen te vliegen. ‘Remote service’, ondersteuning op afstand en betere documentatie winnen daarom snel aan belang. “Dat we niet meer naar Zuid-Amerika hoeven te vliegen maar vanuit Nederland de ondersteuning bieden of een probleem oplossen. We lossen daarmee meer dan 99 procent van problemen op afstand op.”
KSE investeert in laagdrempelige handleidingen, 3D-ondersteuning en systemen die lokaal onderhoud makkelijker maken. In de toekomst kunnen zelfs lokaal geprinte ‘spare parts’ een rol gaan spelen. Ook een eigen interne chatbox wordt voor het bedrijf steeds belangrijker om informatie toegankelijker te maken en service sneller en accurater te verlenen.
Doorontwikkelen machines
Naast de intrede van nieuwe technieken blijven bestaande systemen en machines zich doorontwikkelen. Vooral efficiëntieverbetering, lager energieverbruik en het verwerken van meer, ook circulaire, grondstoffen zijn belangrijke drijfveren, aldus Baars.
‘In de toekomst zal de operator vooral een bewakende functie hebben’
Bij malen ziet hij dat de vraag twee kanten op gaat. Producenten willen hogere capaciteit, maar tegelijk ook een hogere maalfijnheid. Bij persen ligt de focus op efficiënter pelletteren, zonder in te leveren op kwaliteit. “De Progress MonoRoll speelt daarop in met één grotere roller en een lager toerental. Daardoor kan meer product door de matrijs bij hetzelfde energiegebruik. Of tot 25 procent minder energie bij gelijkblijvende capaciteit. Tegelijk blijft de pelletkwaliteit goed, ook bij lagere matsnelheden.”
Doseren blijft betrouwbaar, ook bij steeds kleinere hoeveelheden. Er wordt nog steeds gewerkt aan verdere ontwikkeling om dit bij verschillende grondstoffen en hogere snelheden nauwkeurig te kunnen blijven doen.
Voor stoomdosering gaat het volgens hem niet alleen om toevoegen, maar vooral om beheersen en inzicht. ”Met de Smart Steam Dosing Unit wordt de kwaliteit van de stoom gemonitord met sensoren en worden procesgegevens vastgelegd op de juiste meetpunten.” Ook capaciteitsverhoging blijft een onderwerp, al zitten daar grenzen aan. “We werken eerder aan verbetering van het proces dan aan nog grotere machines die grote vermogens vragen.”
Verschil maken in de branche
Fabrikanten hebben al te maken met vergaande automatisering. Nu de technische ontwikkelingen rondom data en AI in een stroomversnelling komen, is de vraag in hoeverre dat verschil gaat maken in de branche. Dus komen er koplopers met dit soort toepassingen en volgers, of misschien bedrijven die er voorlopig niets mee willen? Baars verwacht het wel. “Het hebben en goed gebruiken van data gaat echt verschil maken bij de productie van voeders, bijvoorbeeld op het gebied van energiegebruik, arbeid en efficiëntie en dus ook de kostprijs.”
Daarbij draait het volgens hem niet om afzonderlijke machines, maar om het samenspel van de hele productielijn. “De echte winst zit in hoe alle stappen, van grondstofontvangst tot het laden van de bulkwagen, op elkaar aansluiten. Pas dan worden innovaties in capaciteit, energiegebruik en efficiëntie voelbaar.”
Juist in een optimaal afgestemd proces worden de voordelen van nieuwe ontwikkelingen rondom data en AI maximaal benut, is zijn overtuiging. “Daarom zit de toegevoegde waarde niet alleen in losse machines, maar in het ontwerp en de besturing van het totale proces. Proceskennis en automatisering moeten daarbij naadloos samenwerken, zodat optimalisatie over de hele lijn mogelijk wordt.”
Thema: Techniek
De Molenaar staat dit keer in het teken van techniek. Hoewel de basis van mengvoer maken en grondstoffen bewerken niet veel verandert, doet de wereld om de productiebedrijven heen dat wel. Vraagstukken als energie, personeel, nieuwe grondstoffen, focus op kostprijs/efficiëntie en veiligheid sturen nieuwe technische ontwikkelingen, mogelijk gemaakt door een aantal innovatieve techbedrijven in de feedindustrie die Nederland en België rijk zijn. Kunstmatige Intelligentie (AI) speelt daar een steeds grotere rol bij en dat zal de komende jaren alleen maar toenemen.
Sensoren van basiscontrole tot datagedreven processturing
Bedrijven in de diervoerderindustrie maken al jarenlang gebruik van sensoren om processen te bewaken en risico’s te beheersen. Ze vormen steeds vaker de basis voor efficiëntere processen en slimme oplossingen. Een overzicht van de mogelijkheden:
• Temperatuursensoren worden breed ingezet bij persen, conditioners, drogers en opslag, vooral vanuit brandveiligheid, productkwaliteit en HACCP-eisen. Ook niveau- en vulsensoren in silo’s en bunkers zijn gemeengoed, vaak in eenvoudige min/max-toepassingen gericht op continuïteit en het voorkomen van verstoppingen.
• Gewichts- en doseersensoren, met name load cells in meng- en doseerinstallaties, zijn ingeburgerd. Ze dragen bij aan een nauwkeurige receptuur, beperken ‘give-away’ en ondersteunen ‘traceability’. Druk- en flowsensoren worden gebruikt voor het monitoren van stoom, perslucht en luchttransport, maar de beschikbare data wordt in de praktijk nog beperkt benut voor verdere procesoptimalisatie.
• Opkomend zijn sensoren voor product- en machineconditie. ‘In-line’ vocht- en andere kwaliteitsmetingen helpen bij het optimaliseren van perskwaliteit, houdbaarheid en energieverbruik. Voor predictive ‘maintenance’ worden vooral trillingssensoren ingezet: ze signaleren vroegtijdig slijtage aan persen, lagers en motoren. Daarnaast kunnen trendsensoren, die procesparameters over tijd volgen, ondersteunend worden gebruikt om afwijkingen in het productieproces tijdig te detecteren.
• Voor kwaliteitsborging en veiligheid zijn metaaldetectoren en vreemde-delen-detectie inmiddels standaard. NIR-sensoren voor realtime analyse van eiwit, vocht, vet en energie-inhoud staan in de belangstelling, vooral voor het verkrijgen van grip op grondstofvariatie en eindproductkwaliteit.
• Camera- en vision-systemen vormen een nieuwe categorie. Ze worden ingezet voor inspectie van grondstoffen, procesbewaking, foutdetectie bij verpakking en toezicht op hygiëne en veiligheid. De potentie van de techniek is groot.
• De aandacht voor het koppelen van sensordata via IoT- en dataplatformen groeit. De techniek is beschikbaar, maar de benutting blijft vaak beperkt tot pilots. De stap van meten naar daadwerkelijk sturen blijkt in veel diervoederfabrieken nog de grootste uitdaging.










