Van model naar machine: hoe TNO met LSAT en AI de productiesystemen van morgen ontwerpt
Door: Hans Risseeuw
In de hightech maakindustrie draait alles om prestaties. Niet alleen de snelheid van een robotarm of de nauwkeurigheid van een processtap telt, maar vooral hoe al die onderdelen samen functioneren als één geheel. Volgens Bram van der Sanden, onderzoeker bij TNO-ESI, ligt daar precies de uitdaging van moderne machinebouw: het optimaliseren van het totale systeemgedrag.
Van der Sanden beweegt zich al jaren op het snijvlak van wetenschap en industrie. Tijdens zijn promotieonderzoek werkte hij zowel aan de TU Eindhoven als bij ASML, waar hij zich bezighield met modellen voor waferlogistiek en productiviteit van complexe machines. Het doel: ontwerpkeuzes niet langer uitsluitend baseren op ervaring, maar onderbouwen met modellen die het gedrag van een systeem voorspelbaar maken.
De systeemdirigent
Dat denken heeft geleid tot LSAT (Logistics Specification and Analysis Tool), een modelgebaseerde ontwikkelomgeving die TNO-ESI samen met onder meer ASML en TU Eindhoven ontwikkelde. LSAT maakt het mogelijk om al in een vroeg stadium te analyseren hoe een productiesysteem zich zal gedragen en waar knelpunten ontstaan. Volgens de ontwikkelaars fungeert de tool als een soort ‘systeemdirigent’: een hulpmiddel om alle subsystemen en resources als een goed georkestreerd geheel te laten samenwerken.[1]
LSAT is specifiek ontwikkeld voor flexibele productiesystemen. Gebruikers modelleren resources zoals processtations, robotarmen en transportsystemen, inclusief hun bewegingen, capaciteiten en tijdsprofielen. Vervolgens kan het systeem analyseren wat de gevolgen zijn van ontwerpkeuzes voor doorlooptijd, throughput en bottlenecks.[2]
Het onderscheid met traditionele simulatiepakketten zit volgens van der Sanden vooral in de focus op productielogistiek. Concepten als bewegingsprofielen, resources en productflows zijn direct beschikbaar, waardoor engineers sneller tot bruikbare inzichten komen.
Niet méér modellen, maar betere beslissingen
Interessant is dat van der Sanden tijdens zijn loopbaan juist leerde dat een model niet altijd zo nauwkeurig mogelijk hoeft te zijn. In de academische wereld bestaat de neiging steeds meer details toe te voegen, maar in de praktijk draait het om de vraag of extra informatie daadwerkelijk leidt tot betere beslissingen. Op een gegeven moment is een voorspelling nauwkeurig genoeg om risico’s af te wegen en ontwerpkeuzes te maken.
Die pragmatische houding sluit aan bij de rol die TNO voor zichzelf ziet: fundamentele kennis vertalen naar industriële toepassingen en tegelijkertijd kennisuitwisseling tussen bedrijven stimuleren. Dankzij langdurige samenwerkingen met partijen als ASML, Canon Production Printing, Philips, Thales en Vanderlande ontstaan kruisverbanden die individuele organisaties vaak niet zelf kunnen organiseren.
AI verlaagt de instapdrempel
Toch kent modelgebaseerd werken een hardnekkig probleem. De kracht van modellen is groot, maar iemand moet ze wel maken. En juist dat kost tijd, expertise en training. Veel engineers ervaren de leercurve als een extra probleem bovenop het technische vraagstuk dat ze eigenlijk willen oplossen.
Daarom werkt TNO momenteel aan een AI-assistent voor LSAT. De eerste proof-of-concept is inmiddels gereed. In plaats van een model handmatig op te bouwen, kan een engineer straks in natuurlijke taal beschrijven hoe een systeem eruitziet. De AI stelt aanvullende vragen, controleert invoer op consistentie en genereert vervolgens automatisch een geldig LSAT-model.
Volgens van der Sanden gaat het daarbij niet om het vervangen van engineers, maar om het toegankelijk maken van modelgebaseerde engineering. “De kracht van model-based werken is er al. AI maakt die kracht eenvoudiger bereikbaar.”
Voorzichtig optimisme
Opvallend genoeg blijft TNO nuchter over de verdere inzet van AI voor optimalisatie. Experimenten met reinforcement learning laten zien dat geavanceerde AI-technieken niet automatisch beter presteren dan relatief eenvoudige heuristieken. Onderzoekers bekijken momenteel waar die grens precies ligt.
Misschien is dat wel de belangrijkste les uit het werk van van der Sanden: technologie is geen doel op zich. Uiteindelijk draait het niet om de slimste algoritmen of de meest gedetailleerde modellen, maar om betere ontwerpbeslissingen. De echte innovatie zit niet alleen in de machine, maar in het vermogen om complexe systemen begrijpelijk en beheersbaar te maken. En daarvoor blijkt een goede systeemdirigent nog altijd onmisbaar.
Bram van der Sanden geeft de plenaire lezing tijdens het FHI Machinebouw event op 1 december 2026 in Congrescentrum 1931 ’s-Hertogenbosch.
[1] De systeemdirigent – High-Tech Systems Magazine
[2] Eclipse LSAT™ IDE – Modeling, Analysis & Optimization Tool for Supervisory Controllers – TNO-ESI
