Met een AI-agent de grip op productkwaliteit verbeteren

Hoge kwaliteits- en veiligheidseisen

Thomas Regout is een producent en leverancier van telescopische geleidersystemen voor uiteenlopende toepassingen. Dus niet alleen voor lades en magazijnsystemen, ook voor bijvoorbeeld voertuigen en pinautomaten. Daardoor ligt de lat hoog wat de kwaliteitseisen betreft. Martijn Bouwens, Quality Engineer bij Thomas Regout International: “We werken volgens verschillende standaarden, zoals ISO 9001 en IATF 16949, een norm specifiek voor de automobielindustrie. Een sector die hoge veiligheidseisen stelt. Hierdoor zijn we verplicht om alle afwijkingen in producten te registreren. Vervolgens geven we daar opvolging aan volgens de 8D-probleemoplossingsmethode.”

600 rapporten per jaar

Het leidt gemiddeld tot zo’n 600 rapporten per jaar. “Met onze oude Microsoft Access-database was het een opgave om daaruit achteraf informatie te filteren”, licht Martijn toe. “Bijvoorbeeld om te kunnen zien of problemen zich eerder voordeden en voor welke oplossingen toen werd gekozen. Bovendien was het altijd moeilijk zoeken op specifieke details, zoals artikelnummers, het soort afwijkingen en ervaringen met oplossingen.” Doorgaans was het efficiënter om simpelweg navraag te doen bij collega’s. Er gingen uren en soms hele werkdagen aan verloren.

Sneller en gemakkelijker

Bij Thomas Regout vroegen ze zich af of een AI-agent, gebaseerd op Microsoft Copilot, soelaas kon bieden. Voor Axelio was het een mooie testcase. Inmiddels zijn de eerste testen met de AI-agent achter de rug en Martijn is enthousiast: “Axelio trainde de AI-agent op het vinden van antwoorden in onze database. We bouwden hem zo dat hij eerst globaal kijkt en dat je daarna kunt inzoomen op details. De AI-agent werkt vooral snel en gemakkelijk. Bovendien weet je zeker dat je niets mist. En de opgeleverde data zijn altijd correct.”

Stilstand voorkomen

Dit maakt de AI-agent volgens de Quality Engineer tot een belangrijke aanwinst voor een maakbedrijf als Thomas Regout. “Je wilt zo snel mogelijk zorgen voor een oplossing als een fout wordt geconstateerd. Zo kun je immers stilstand en langere levertijden voorkomen”, benadrukt Martijn. “Bovendien is het fijn om te merken dat de agent alles meeneemt. Zeker als je werkt voor een kritische sector als de automobielbranche.”

Kink in de kabel

Voor het bereiken van het eindresultaat moesten wel enkele barrières overwonnen worden. Martijn legt uit: “Als eerste wilden we de interne rapportages goed inzichtelijk krijgen. Samen met Axelio zetten we daarvoor precies op een rij wat de gewenste output was en hoe de agent in onze ogen het beste kon zoeken. Aanvankelijk ging Axelio aan de slag met twee jaar aan ruwe data uit ons oude kwaliteitsmanagementsysteem. Bij de eerste test leek de AI-agent goed te werken. De kwaliteit van de opgehaalde informatie was alleen te summier. Maar gelukkig konden we tegen die tijd ons nieuwe kwaliteitsmanagementsysteem, ManualMasters, koppelen aan de agent.”

“Het fijne is dat de AI-agent proactief meedenkt in plaats van correctief”

Snel schakelen

Toch was het team er daarmee nog niet. Martijn: “De data uit ons nieuwe systeem bleken namelijk geïndexeerd, waardoor de informatie achter de codes niet leesbaar was. Het fijne is dat Axelio op zo’n moment niet bij de pakken neerzit en open en eerlijk blijft communiceren. We staken de koppen een half uur bij elkaar en het probleem werd opgelost. Dan merk je dat we elkaar door en door begrijpen. We besloten alle data uit ManualMasters tijdelijk te exporteren naar een Excel-database. Die koppelden we aan de AI-agent. Hierdoor werden de data wel leesbaar. Dankzij die stapsgewijze aanpak weten we nu ook zeker dat het de moeite waard is om alle codes uit de geïndexeerde kolommen een naam te geven.”

Groeiende verwachtingen

Martijn vertelt dat de AI-agent volledig voldoet aan alle verwachtingen die ze bij Thomas Regout anderhalf jaar geleden ervan hadden. Hij lacht: “Je merkt alleen dat die verwachtingen groeien. Zowel vanuit onze kant als die van Axelio. Veel zaken die twee jaar geleden in Microsoft Copilot niet mogelijk waren, kunnen nu namelijk wel. Daardoor wil je steeds complexere opdrachten geven. De vraag is nu voor ons eigenlijk: waar trekken we de streep?”

Proactief meedenken

Thomas Regout kan in ieder geval vooruit. “Maar er zijn nog wel zaken waar we met Axelio verder aan willen sleutelen”, voegt Martijn er opgewekt aan toe. “In de toekomst willen wij de AI-agent namelijk breder gaan inzetten in de organisatie. Het fijne is dat hij proactief meedenkt in plaats van correctief. Hierdoor kan hij ook voorspellend voor ons gaan werken en bijvoorbeeld een Design Engineer helpen bij het ontwerpen van nieuwe producten, rekening houdend met wat er fout kan gaan. Als we dat toch ooit zouden kunnen fiksen, zou ons dat pas echt veel tijd en moeite besparen.”