Siemens en P&G schalen AI-inspectie wereldwijd. De Director Quality wordt eigenaar van de beslisgrens.

Een sneller model maakt kwaliteitsbesluiten niet automatisch beter

De oplossing inspecteert producten op volle lijnsnelheid. Zij is bedoeld voor delicate en getextureerde materialen die bij hoge snelheid verschuiven, rekken of kreuken — precies de variatie waar traditionele visionsystemen vaak opnieuw voor moeten worden geconfigureerd.

AI kan zulke variatie beter leren onderscheiden van een werkelijk defect. Maar iedere beslisgrens heeft twee fouten: een goed product kan onterecht worden afgekeurd en een defect product kan worden doorgelaten. De optimale grens verschilt per product, risico en klantbelofte.

De Director Quality moet daarom niet alleen modelnauwkeurigheid bespreken. De functie maakt de kosten en gevolgen van beide fouten zichtbaar en legt vast wie de grens mag veranderen.

Van één lijn naar meerdere fabrieken verandert het governanceprobleem

Een succesvolle pilot heeft een beperkte omgeving, bekend team en overzichtelijke productmix. Wereldwijde uitrol voegt andere grondstoffen, verpakkingen, cameraopstellingen, lichtcondities, lijnsnelheden en lokale werkpraktijken toe.

Standaardisatie levert snelheid op, maar mag lokale proceskennis niet wegdrukken. Een centraal model kan technisch gelijk zijn terwijl de betekenis van een afwijking per site verschilt. Daarom zijn een gezamenlijke validatiemethode en expliciete lokale acceptatie nodig.

Kwaliteitsleiding wordt zo een multi-site functie. Zij bepaalt wat wereldwijd identiek moet zijn, welke bandbreedte lokaal mag verschillen en wanneer een afwijking opnieuw centraal moet worden beoordeeld.

Edge computing brengt het besluit dichter bij de machine

P&G combineert eigen deep-learningmodellen met Siemens Industrial Edge, industriële computers en GPU-technologie. Inspectieresultaten worden dicht bij de productie verwerkt en kunnen direct een waarschuwing of het verwijderen van een product activeren.

Die korte lus is operationeel krachtig. Zij maakt ook duidelijk dat modelbeheer geen los IT-proces is. Een softwareversie, camera-instelling of gewijzigde productvariant kan rechtstreeks invloed hebben op fysieke output en afkeur.

Change control moet daarom model, machine en productspecificatie samen behandelen. Wie test de wijziging, welke referentieset wordt gebruikt en hoe kan de fabriek veilig terug naar de vorige toestand?

Afvalreductie is waardevol, maar vraagt een gedeeld feitenbeeld

Siemens en P&G melden 10 tot 20 procent minder scrap, afhankelijk van het product. Voor een fabriek kan dat materiaal, energie en capaciteit vrijmaken. Het percentage alleen vertelt echter niet welke basislijn is gebruikt, hoe stabiel het effect blijft of hoeveel extra onderhoud en validatie nodig zijn.

De juiste businesscase verbindt daarom first-pass yield, afkeur, klachten, lijnsnelheid, omsteltijd en kosten van inspectie. Een verbetering op één KPI kan elders verlies veroorzaken wanneer operators vaker moeten ingrijpen of een lijn langzamer draait.

Quality, operations en finance moeten dezelfde definitie van resultaat gebruiken. Pas dan kan een multi-site uitrol worden gestuurd op aantoonbare waarde in plaats van op het aantal geïnstalleerde systemen.

Selecteer op beslisautoriteit én leervermogen

De Director Quality hoeft geen deep-learningmodel te programmeren. Wel moet deze leider voldoende begrijpen van data, validatie en procesvariatie om scherpe vragen te stellen en een onzekere modeluitkomst te vertalen naar proportionele actie.

Toets kandidaten met een praktijkscenario: een nieuw model verlaagt afkeur, maar één site meldt meer klantklachten terwijl andere sites stabiel blijven. De data is nog beperkt. Wordt de uitrol gestopt, lokaal teruggedraaid of gericht onderzocht? Welke beslisgrens geldt ondertussen en wie krijgt vrijgavebevoegdheid?

Sterke kandidaten combineren onafhankelijk kwaliteitsgezag met operationeel gevoel. Zij beschermen de klant zonder iedere afwijking te behandelen als bewijs dat de technologie faalt.

• Wie bepaalt de grens tussen vrijgeven, afkeuren en aanvullend onderzoeken?
• Welke variatie mag een model leren en welke afwijking vereist formele hervalidatie?
• Hoe worden model-, camera- en productspecificatiewijzigingen samen beheerst?
• Welke KPI's bewijzen waarde zonder klantklachten of lijnsnelheid buiten beeld te laten?
• Welk eerder resultaat bewijst dat een kandidaat centraal kwaliteitsgezag met lokale proceskennis kan verbinden?

De schaarse kandidaat verbindt quality, OT en operations

Opschaling van industriële AI creëert geen geheel nieuwe kwaliteitsfunctie, maar vergroot het aantal interfaces. De leider moet kunnen werken met procesengineers, operators, data- en platformteams, leveranciers en lokale kwaliteitsverantwoordelijken.

Zo'n profiel is schaars omdat veel kandidaten óf diep uit gereguleerde kwaliteit komen óf sterk zijn in digitalisering en operations. De waarde zit in aantoonbare ervaring met beide: een systeem valideren én het laten landen in dagelijkse productie.

Get Headhunted Group helpt food-, hightech- en maakindustrie bij het vinden van vaste directie-, management- en specialistische hbo/wo-professionals voor quality, industrial AI en operations. Wij vertalen beslisrechten, sitestructuur en verbeterdoelen naar een scherp mandaat en benaderen passieve kandidaten in de Benelux en aangrenzend Duitsland persoonlijk en vertrouwelijk.

Wat dit betekent voor een concrete search

Een benoeming wordt sterker wanneer de organisatie vooraf keuzes maakt over mandaat, resultaat, beslissingsruimte en context. Dat geeft richting aan research, maakt de benadering geloofwaardig en helpt kandidaten eerlijk beoordelen.

Get Headhunted Group ondersteunt directies en aandeelhouders bij het vertalen van die bestuurlijke opgave naar een gerichte search. Niet met advertenties of een algemene database, maar door de relevante markt opnieuw in kaart te brengen en passieve professionals persoonlijk te benaderen.