15 apr De humanoid in de verspaning: wat je als maakindustrie nu moet weten
De humanoid robot gaat de CNC-verspaning veranderen. Niet over twintig jaar, maar eerder dan je denkt.
TNO publiceerde in april 2026 een rapport over robotisering in de maakindustrie en miste de verspaning volledig. Dit artikel vult dat gat. Je leest wat humanoids kunnen overnemen in een high-mix low-volume-omgeving, wanneer dat realistisch is, en wat je nu al moet doen om klaar te zijn. Want wie wacht met bouwen aan het datafundament, begint in 2030 bij nul, terwijl anderen al draaien.
Wat TNO zegt en wat TNO niet zegt
Nederland staat op plek twaalf wereldwijd als het gaat om robotdichtheid: 264 robots per 10.000 werknemers. Zuid-Korea voert de lijst aan met 1.012. Duitsland staat op plek vier, China klimt razendsnel. Wie dit gegeven tot je door laat dringen, begrijpt de urgentie van het TNO-rapport onmiddellijk.
Het rapport stelt dat de productiviteit van de Nederlandse industrie met vijftig procent verhoogd moet worden om concurrerend te blijven. TNO beschrijft de barrières, zoals hoge kosten, gebrek aan kennis en tekort aan system integrators, en doet concrete aanbevelingen: een nationale robotiseringsagenda, standaardisatie, vouchers voor het MKB, fieldlabs en Robotics-as-a-Service als financieringsvorm.
Maar TNO schrijft vanuit een sectorbreed perspectief. De automobielindustrie, logistiek, voedingsproductie, houtverwerking: ze passeren allemaal de revue. De verspanende industrie niet. En dat is een significant gat, want juist de verspaning combineert alle factoren die standaard robotisering bemoeilijken: kleine series, wisselende geometrieën, moeilijke materialen, hoge kwaliteitseisen en een enorme afhankelijkheid van vakmanschap dat in de vergrijzende beroepsbevolking steeds schaarser wordt.
TNO beschrijft humanoid robots als veelbelovend, maar nog niet praktijkrijp. Die conclusie is correct voor de industrie als geheel. Maar voor CNC-verspaning in een high-mix low-volume omgeving is de humanoid niet zomaar een technologische nieuwigheid. Het is de enige robotvorm die structureel antwoord geeft op wat ons vakgebied al decennialang onbereikbaar maakt voor conventionele automatisering.
“Robots zijn goed voor CNC-bewerkingen, precies en herhaalbaar, maar niet voor assembly, manipulatie en navigatie in niet-gestructureerde omgevingen.” Jonathan Hurst, medeoprichter Agility Robotics, geciteerd door Deloitte Insights, februari 2026“
Die uitspraak is precies de spiegelkant van ons probleem. We hebben de CNC-machine al. Wat we nodig hebben, is het systeem dat al het mensenwerk eromheen overneemt. En dat kan de humanoid zijn.
Waarom CNC-verspaning een speciaal geval is
Ik sta elke dag in de productiehal waar we Inconel, Super Duplex en Hastelloy verspanen, in series van soms vijf stuks, voor klanten die morgen een andere tekening aanleveren dan gisteren. Dat is de realiteit van high-mix low-volume verspaning.
De maakindustrie bestaat niet uit één type bedrijf. Er zijn grote serieproducenten die dag en nacht hetzelfde product maken. En er zijn verspaners: bedrijven die metaal wegsnijden om een eindproduct te maken. CNC-draaien, CNC-frezen, boren en tappen. Uit één brok materiaal, via meerdere bewerkingsstappen, naar een onderdeel met toleranties van soms een micron.
Wat CNC-verspaning fundamenteel onderscheidt van andere maakindustrieën is variatie. We maken geen duizenden stuks van hetzelfde. Elke opdracht vraagt een andere opspanning, een ander gereedschap, een ander programma, een ander kwaliteitsprotocol.
Die variatie is de reden dat stationaire robots in de verspaning achterlopen. De huidige robotcellen zijn gebouwd voor herhaling. De verspaning leeft van het tegendeel. TNO erkent dit zelf: high-mix low-volume-productie wordt in het rapport expliciet genoemd als de voornaamste reden waarom standaardrobots niet passen. Maar welke robotvorm dan wél past, wordt niet beantwoord.
Tegelijkertijd is de verspaning precies de sector waar de personeelsproblematiek het hardst aankomt. Een goede CNC-draaier of -frezer is schaars, duur en moeilijk te vinden. Hij kijkt naar de spaanvorming en past zijn parameters aan. Hij hoort aan het geluid van de machine of er iets niet klopt. Hij voelt aan de opspanning of het werkstuk goed zit. Hij combineert sensorische input met jarenlange proceskennis tot één beslissing in een fractie van een seconde.
Dat is wat geautomatiseerd moet worden en dat is precies wat de humanoid, op termijn, kan leveren.
Zeven verspaningsprocessen die een humanoid robot kan overnemen
De kracht van de humanoid zit niet in één handeling. Het zit in de combinatie: een systeem dat van machine naar machine beweegt, met menselijke handen menselijke handelingen uitvoert, en leert van wat het meemaakt. Voor de CNC-bewerkingspraktijk vertaalt dat zich in zeven concrete processen, elk met een eigen realistisch tijdpad.
1. Opspanning: elk werkstuk, elke geometrie
Het plaatsen van een werkstuk in de machine is een van de meest kritische handelingen in het verspaningsproces. Niet alleen de positie moet kloppen: ook de opspankracht, de centrering en de uitlijning bepalen of het eindproduct maatnauwkeurig is. Huidige robots kunnen dit alleen voor gestandaardiseerde geometrieën. Een humanoid kan elke geometrie hanteren, inclusief asymmetrische onderdelen in wisselende posities.
Realistisch tijdpad: 2027 tot 2028 voor gestandaardiseerde opspanningen. 2030 en later voor volledig vrije geometrieën.
2. Gereedschapswisseling: de bottleneck van lights-outproductie
Zonder menselijke tussenkomst loopt een draaibank in een HMLV-omgeving gemiddeld twee tot vier uur, daarna is het gereedschap op. Een humanoid kan in principe elk gereedschapssysteem bedienen, ook op machines die nooit voor robotintegratie zijn ontworpen. Het meest uitdagende knelpunt zit in koppelnauwkeurigheid: een Capto C6-verbinding vereist circa 200 Newton-meter. Huidige humanoid-handen halen 20 tot 40 Newton-meter.
Realistisch tijdpad: 2029 tot 2031, afhankelijk van actuatorontwikkeling.
3. Spaanvorming beoordelen via vision
Blauwe, gekrulde spanen bij staal: goed teken. Lange, lintachtige spanen: risico op opwikkeling. Gebroken, poederachtige spanen bij aluminium: mogelijk te hoge snijsnelheid. Vision-systemen die spaanvormen classificeren en koppelen aan procesparameters bestaan al in onderzoeksomgevingen. De volgende stap is integratie in een mobiele humanoid die op basis van die classificatie zelfstandig parameters bijstuurt.
Realistisch tijdpad: 2028 tot 2030.
4. Akoestische procesmonitoring: horen wat er misgaat
Trillingen, chatter, het subtiele geluidsverschil tussen een scherp en een slijtend gereedschap: een ervaren draaier hoort het. AI-modellen die akoestische signalen analyseren en koppelen aan gereedschapsslijtage zijn in actieve ontwikkeling. Een humanoid die op basis van die analyse zelfstandig ingrijpt, is een van de meest waardevolle toepassingen voor ons vakgebied.
Realistisch tijdpad: 2029 tot 2031.
5. Maatcontrole en procesoptimalisatie: de kwaliteitslus sluiten
Na de bewerking meten, keuren of afkeuren, en de uitkomst terugkoppelen naar het CNC-programma. In-process meten bestaat al in geavanceerde productiefaciliteiten. Een humanoid die dit combineert met autonome besluitvorming sluit de kwaliteitslus volledig, zonder menselijke tussenkomst.
Realistisch tijdpad: 2028 tot 2030.
6. Programmering vanuit tekening of STEP-file
Een humanoid die een STEP-file inleest, herkent welke bewerkingen nodig zijn, en een CNC-programma genereert of aanpast op basis van een revisie. Voor eenvoudige draaidelen in bekende materialen is dit over enkele jaren realistisch. Voor complexe mill-turn-bewerkingen in Inconel of Super Duplex, met klantspecifieke toleranties, duurt het langer.
Realistisch tijdpad: 2028 tot 2030 voor eenvoudige draaidelen. 2032 tot 2035 voor complexe mill-turn in exotische materialen.
7. Multi-machine routing: de mobiele productieleider
De humanoid als mobiele productieleider: van machine naar machine op basis van prioriteit, bezetting en processtatus. Navigeren en plannen zijn al bewezen in logistieke omgevingen bij BMW, Mercedes en Hyundai. De integratie met verspaningscellen voegt complexiteit toe, maar is technisch het minst uitdagende scenario van de zeven.
Realistisch tijdpad: 2030 tot 2033.
De economische haalbaarheid nadert sneller dan je denkt.
Goldman Sachs rapporteerde dat de productiekosten van humanoid robots tussen 2023 en 2024 met veertig procent zijn gedaald. Bank of America verwacht dat de kostprijs per unit daalt van circa 35.000 dollar nu naar 13.000 tot 17.000 dollar in het komende decennium. Fortune Business Insights projecteert een wereldwijde humanoid-markt van 66 miljard dollar in 2032.
Waar we nu staan: eerlijk over wat al kan en wat nog niet
Laten we helder zijn: een volledig autonome humanoid in een verspanende productiecel bestaat vandaag niet. Wat wel bestaat: demonstratoren die indruk maken, pilots in logistieke omgevingen, en een ontwikkelsnelheid die vrijwel alle eerdere voorspellingen overtreft.
Tesla’s Optimus is ingepland voor commerciële inzet in 2026, voor eenvoudige repeterende handelingen in gestructureerde omgevingen. Agility Robotics levert Digit voor magazijnwerk bij grote logistieke operaties. Hyundai en Boston Dynamics integreren humanoids in intralogistieke processen binnen productiehallen. In de verspaningsindustrie lopen nog geen grootschalige commerciële pilots, maar de technologieontwikkeling die daarvoor nodig is, vindt elders al wel plaats.
McKinsey schreef in oktober 2025 over humanoids als technologie die de kloof van concept naar commerciële realiteit aan het oversteken is. De richting is onmiskenbaar.
De kritische vraag is niet óf de humanoid de verspaning gaat veranderen. Die vraag is beantwoord. De kritische vraag is: is jouw bedrijf klaar als het zover is?
Het datafundament: wat je nu al moet bouwen
Een humanoid leert niet uit een handleiding. Hij leert door te observeren, te herhalen en uitkomsten te koppelen aan condities. De trainingsdata die hij nodig heeft, moet al beschikbaar zijn als hij arriveert.
Jouw vakman, de draaier die weet hoe hij een Inconel-onderdeel opspant, hoe hij de spaanvorming beoordeelt en hoe hij een gereedschapswisseling uitvoert, wordt de eerste docent van de humanoid. Hij demonstreert de handeling, de humanoid registreert alles en slaat die gecombineerde kennis op als trainingsdata. Dat is het begin van een lerende machine die het vakmanschap van je beste medewerker niet vervangt, maar vastlegt en beschikbaar maakt.
Dat fundament bouw je in vier stappen.
Stap 1: De Unified Namespace, één bron van waarheid
Een centrale, real-time dataomgeving waar alle systemen op aansluiten. Je CNC-machine communiceert via OPC-UA, je MES ontvangt die data, je ERP levert de order- en materiaalcontext. Wat je concreet logt: programmanummer, materiaalgroep, gereedschaps-ID, snijparameters, cyclustijd, spilbelasting, koelmiddeldruk, alarmen. Elke bewerking, elke batch, elke machine. Dit is de tijdreeks waarop analytische AI patronen herkent, zoals gereedschapsslijtage, thermische drift en procesafwijkingen, zonder dat een mens daarnaar hoeft te kijken.
Stap 2: Uitkomstdata automatiseren
Welke snijparameters leidden bij dit materiaal, met dit gereedschap, bij deze opspanning tot een maatnauwkeurig product? In-process probing meet na de bewerking automatisch kritieke maten en logt dat direct aan het job-ID, zonder menselijke invoer. Bij het afsluiten van een job bevestigt de operator in tien seconden drie velden: aantal goed, aantal afgekeurd, bijzonderheid. Tachtig procent van het uitkomstrecord genereert zichzelf.
Stap 3: Proceskennis digitaliseren
Moderne humanoid-AI combineert visuele input, taalomschrijvingen en fysieke acties. Bedrijven die hun werkprocedures, instellingsinstructies en materiaalspecifieke aanpakken nu al digitaal vastleggen, bieden een humanoid straks een vliegende start. Wie die kennis structureert per materiaal, per bewerkingstype, per machine, bouwt de taalcontext waarmee een humanoid straks zijn fysieke leerproces begrijpt.
Stap 4: Sensordata toevoegen
Begin met één machine, één bewerkingstype. Trilling, akoestiek, vision. Niet omdat een humanoid dit nu al nodig heeft, maar omdat deze data de analytische AI voedt die de humanoid straks ondersteunt. Een systeem dat gereedschapsslijtage herkent uit akoestische patronen vóórdat het gereedschap faalt, verlengt de onbemande draaitijd vandaag al.
Dit is geen IT-project. Het is een strategische productiebeslissing. Wie dit nu opbouwt, heeft in 2030 een dataset die een humanoid in staat stelt om direct productief te zijn. Wie wacht, begint dan opnieuw bij nul.
Hoe Combifit dit aanpakt: van theorie naar productievloer
Bij Combifit draaien we dagelijks Inconel, Super Duplex en Hastelloy op onze Nakamura NTRX-300L in een geautomatiseerde Cellro robotcel. De doelstelling: minimaal zestien uur per dag onbemand produceren. De koppeling tussen ons ERP-systeem, onze MES-laag en de machine is in actieve ontwikkeling. We bouwen procesdata op per materiaalgroep: snijparameters, gereedschapslevensduur, cyclustijden, kwaliteitsresultaten.
We zijn er nog niet, maar we weten waar naartoe gaan. Elke stap die we zetten, zetten we bewust.
Onze klanten profiteren vandaag al van wat dit oplevert: langere onbemande draaitijden, kortere doorlooptijden, betere maatconsistentie op moeilijke materialen. Niet omdat we een humanoid in de hal hebben staan, maar omdat we het fundament bouwen waarop alles straks aansluit.
Dat is de strategie; niet wachten op de perfecte technologie maar nu beginnen met het fundament.
Wil je weten hoe Combifit dit concreet aanpakt voor jouw onderdelen? Neem contact op of bekijk ons machinepark.
Conclusie: de humanoid robot en de toekomst van CNC-verspaning in Nederland
De humanoid gaat de verspanende industrie veranderen. Niet morgen. Maar eerder dan de meeste directeuren en productieleiders verwachten, en zeker eerder dan de huidige literatuur suggereert.
De standaardrobot past niet in een high-mix low-volume omgeving. De cobot doet een deel van het werk. Maar de humanoid, flexibel, lerend en mobiel, is de logische eindbestemming voor een productieomgeving zoals de onze. De zeven processen in dit artikel zijn de routekaart. Het datafundament is de infrastructuur. De bedrijven die nu beginnen met bouwen, zijn de bedrijven die in 2030 klaar zijn.
De vraag is niet óf dat gaat gebeuren. De vraag is of jouw bedrijf er klaar voor is.
Veelgestelde vragen over humanoid robots en CNC-verspaning
Wat is het verschil tussen een humanoid robot en een industriële robot in de verspaning?
Een industriële robot is sterk, snel en precies, maar gebonden aan één locatie en één taak. Hij kan herhalen wat hij geprogrammeerd is te doen, maar niet omgaan met variatie in geometrie, opspanning of materiaal. Een humanoid robot beweegt van machine naar machine, bedient elk opspanmiddel ongeacht de werkstukgeometrie, en leert van een menselijke demonstratie. Voor CNC-verspaning is dat onderscheid cruciaal: variatie en vakmanschap vragen om een systeem dat zich aanpast, niet om een systeem dat herhaalt.
Waarom past een standaardrobot niet in high-mix low-volume verspaning?
Standaardrobots zijn gebouwd voor herhaling: dezelfde handeling, dezelfde positie, hetzelfde product. In high-mix low-volume verspaning verandert elke opdracht. Andere geometrie, andere opspanning, ander gereedschap, ander programma, ander materiaal. TNO erkent dit zelf: HMLV-productie is expliciet de voornaamste reden waarom standaardrobots niet passen.
Wanneer is een humanoid robot inzetbaar voor machine tending in CNC-verspaning?
Voor gestandaardiseerde opspanningen is machine tending realistisch rond 2027 tot 2028. Gereedschapswisseling en spaananalyse volgen tussen 2029 en 2031. Een volledig autonome HMLV-cel is een perspectief voor 2032 tot 2035. Goldman Sachs rapporteerde dat de productiekosten van humanoid robots in één jaar met veertig procent zijn gedaald, wat de haalbaarheid sneller dichterbij brengt dan de meeste voorspellingen suggereren.
Wat kost een humanoid robot in 2026?
De huidige kostprijs ligt rond 35.000 dollar per unit. Bank of America verwacht dat dit daalt naar 13.000 tot 17.000 dollar in het komende decennium. Fortune Business Insights projecteert een wereldwijde humanoid-markt van 66 miljard dollar in 2032.
Welke zeven verspaningsprocessen kan een humanoid robot overnemen?
De zeven processen zijn: opspanning van elk werkstuk en elke geometrie, gereedschapswisseling en snijplaatjevervanging, spaanvorming beoordelen via vision, akoestische procesmonitoring, maatcontrole en procesoptimalisatie, programmering vanuit tekening of STEP-file, en multi-machine routing op basis van prioriteit en processtatus. De tijdlijnen lopen van 2027 tot 2028 voor de eenvoudigste handelingen tot 2032 tot 2035 voor de meest complexe.
Wat is een datafundament en waarom is het nu al nodig?
Een humanoid leert door te observeren en uitkomsten te koppelen aan condities. Een datafundament bestaat uit vier lagen: machinedata via OPC-UA, uitkomstdata gekoppeld aan job-ID, gedigitaliseerde proceskennis per materiaal en bewerkingstype, en sensordata voor trilling, akoestiek en vision. Bedrijven die dit fundament nu bouwen zijn in 2030 klaar. Wie wacht, begint dan opnieuw bij nul.
Wat zegt TNO over humanoid robots in de maakindustrie?
TNO beschrijft humanoids als veelbelovend maar nog niet praktijkrijp voor het Nederlandse MKB. Die conclusie is correct voor de industrie als geheel. Wat TNO niet doet: de vertaalslag maken naar specifieke sectoren. De verspanende industrie, met haar HMLV-productie, moeilijke materialen en hoge afhankelijkheid van vakmanschap, wordt niet genoemd. Dit artikel vult dat gat.
Hoe begint een verspaningsbedrijf vandaag met de voorbereiding op humanoid robotisering?
Vier stappen: machinedata ontsluiten via OPC-UA, uitkomstdata automatiseren via in-process probing, proceskennis digitaliseren per bewerkingstype en materiaal, en sensordata toevoegen voor trilling, akoestiek en vision. Begin bij één machine. Neem contact op met Combifit om te bespreken hoe wij dit fundament opbouwen en wat dat voor jouw productieomgeving betekent.
Bronnen
- TNO (2026). Zonder Robotisering verdwijnt de Nederlandse Maakindustrie. TNO 2026 R10389.
- IFR — International Federation of Robotics (2024). World Robotics Report 2024.
- McKinsey & Company (oktober 2025). Humanoid robots: Crossing the chasm from concept to commercial reality.
- Deloitte Insights (februari 2026). Physical AI and humanoid robots. Tech Trends 2026.
- Sandvik Coromant (november 2024). Introducing Automatic Tool Change for Turning Centers.
- Fortune Business Insights (2025). Humanoid Robot Market Size, Share & Industry Analysis 2032.
- Goldman Sachs Global Investment Research (2024). The Rise of Humanoid Robots.
- VDW / VDMA (2026). umati — Universal Machine Technology Interface. www.umati.org.
- Rabobank Kennis (2025). Productiviteitsverbetering bepaalt de toekomst van de maakindustrie.
- RoboDK (januari 2026). The Top Robotics Trends for 2026. robodk.com/blog.
Sorry, het is niet mogelijk om te reageren.