AI stuwt smart manufacturing naar duurzame toekomst

Opkomst van de intelligente fabriek: efficiëntie en duurzaamheid komen samen

Door Hemant Singhal, Suman Kumar Sengupta en Felix Speulman

De industriële sector ondergaat een metamorfose – automatisering alleen is niet langer genoeg. Fabrikanten kampen met voortdurende druk: strenge regelgeving, kortere productlevenscycli, duurzaamheidseisen van consumenten, verstoringen in de toeleveringsketen en een constante druk op de kosten. De traditionele industrie heeft moeite om gelijke tred te houden en zelfs ‘slimme fabrieken’ worden deel van de inzet – een springplank in het aangezicht van deze ontwrichting. Er is een renaissance in de industrie nodig, en artificiële intelligentie (AI), met name generatieve AI (genAI) kan slimme fabrieken stimuleren om zich beter aan te passen aan een intelligente en duurzame toekomst.

Meer dan automatisering en efficiëntie: AI luidt nieuw tijdperk in

Hoewel de basisprincipes van de industrie constant blijven, vertegenwoordigt de ‘slimme industrie’ een paradigmaverschuiving als gevolg van een sterke convergentie van technologieën. Reële en bijna-realtime datastromen van Internet of Things (IoT)-sensoren en -apparaten op machines, fabrieken en producten, bedrijfsdata (zoals voorraden) en externe gegevens (zoals het weer of de markt) op netwerken met zero of low latency vormen de ruggengraat van dit intelligente ecosysteem. AI, machine learning (ML) en big data analytics gebruiken deze data om de productie op intelligente wijze te optimaliseren, prioriteit te geven aan veiligheid en duurzaamheid en uiteindelijk omzetgroei te bevorderen.

Generatieve AI: ontwrichtende katalysator voor duurzame innovatie

Traditionele AI is goed, maar genAI is baanbrekend. Het analyseert niet alleen data, maar bedenkt volledig nieuwe ontwerpen en oplossingen. Denk aan duurzame productontwerpen die nog moeten worden uitgevonden, adaptieve inspectiecriteria (voor onderhoudsschema’s) als gevolg van steeds veranderende omgevingen voor proactief onderhoud, minimale uitvaltijd en geoptimaliseerde toewijzing van middelen.

De huidige stand van zaken

Bedrijven in de industrie experimenteren al met genAI, zetten speciale teams op, voeren concrete use cases uit en bouwen proofs of concept (PoC’s). We verwachten dat het niet lang meer zal duren voordat genAI dit formatieve stadium verlaat en volledig van de grond komt. Tegelijkertijd kan traditionele AI niet worden genegeerd en moet genAI het aanvullen, zodat beide vormen samen intelligente en duurzame productie stimuleren.

Een AI-assistent voor technici is een concreet voorbeeld van een use case. Een technicus kan vragen stellen en op basis van beschikbare documentatie en een kennisbank, gebaseerd op incidenten uit het verleden, kan de assistent mogelijke oplossingen voor een bepaald probleem geven via een augmented reality interface. Stel je voor dat een technicus realtime oplossingen krijgt die direct in zijn of haar gezichtsveld worden weergegeven via een augmented reality interface. Zo hoeven technici geen handleiding van 1.000 pagina’s door te ploegen om twee uur ’s nachts.

Een ander belangrijk aspect is dat een innovatie als een AI-assistent helpt om het gesprek over AI menselijker te maken. Dit soort functies helpt de blue collar community om een anders zeer gecompliceerde AI-omgeving te omarmen.

Een andere, maar even belangrijke use case voor GenAI in de productiesector zijn gepersonaliseerde trainingsaanbevelingen voor werknemers. Een HR-manager kan een AI-agent een trainingsplan laten genereren dat is afgestemd op de rol, behoeften of kennis van een persoon. In de toekomst zullen AI-agenten, mensen en robots samenwerken voor een veilige, goed presterende en lonende werkomgeving.

Digital twins en GenAI

Bedrijven in de industrie staan onder immense druk om sneller superieure producten te ontwikkelen en tegelijkertijd te voldoen aan duurzaamheidsmaatregelen en hun kosten te verlagen; regulering en consumenten vragen om verantwoorde inkoop en productie. Digital twins zijn een deel van het antwoord, want in plaats van iets te maken dat mislukt, wat veel tijd kost, maak je eerst een digitaal model van wat er op de werkvloer gaat gebeuren.

Digital twins – virtuele representaties van fysieke objecten – bieden een sterke oplossing. Traditionele digital twins zijn echter afhankelijk van historische gegevens, waardoor hun ontwerpmogelijkheden beperkt zijn. GenAI doorbreekt deze beperkingen. Door het vermogen om ‘out of the box’ te denken, kan genAI geheel nieuwe ontwerpen genereren die geoptimaliseerd zijn voor duurzaamheid. Zo kun je producten uitvinden met een minimale impact op de leefomgeving die de menselijke verbeelding overtreffen. Met de creatie van een digital twin kun je ook beperkingen geven aan het model. Je kunt zeggen: “Genereer dit product met de minimale hoeveelheid energie, water of basismateriaal”, zodat je duurzamere en efficiënter geproduceerde producten creëert.

ESG-rapportage en verantwoorde productie: transparantie opnieuw gedefinieerd

De voordelen van generatieve AI voor de slimme industrie zijn duidelijk. De technologie kan helpen bij verantwoorde inkoop en transparantie van de toeleveringsketen: zij kan rapporten genereren over hoe je grondstoffen inkoopt en hoe je ze vervoert en gebruikt. GenAI kan ook rapporten maken vanuit het oogpunt van risicobeheer. Dit alles is heel nuttig voor rapportage-eisen en eisen aan governance.

Je zou zo’n soort oplossing een AI-agent kunnen noemen. Bijna net als een mens geef je de agent een doel, zoals “voldoe aan de ESG-doelstellingen”, en de AI zal het hele toeleveringsketen- en productie-ecosysteem orkestreren om dat doel te bereiken. De agent controleert wat nodig is en onderneemt actie, terwijl mensen op de hoogte blijven.

Beperkingen

GenAI heeft veel potentieel voor bedrijven in de industrie, maar er zijn ook gegronde zorgen. We zien veel aarzeling bij gebruikers. Er is nog niets in productie en alles wat nu gebeurt is op kleine schaal. Dan kan er een catch-22 situatie ontstaan: als experimenten niet op een bepaalde schaal zijn, zie je misschien de waarde nog niet.

Er is nog een ander punt van zorg. GenAI staat nog in de kinderschoenen en bedrijven hebben nog geen architectuurstandaarden. Wat moet een CIO gebruiken, een open-source model of een propriëtair model? Is het rijp voor productie? Is het op een schaal die een bedrijf wil gebruiken en is het veilig genoeg? Dit is de reden dat adoptie vertraging oploopt.

Dan is er nog het menselijke aspect. Op C-niveau is men ervan overtuigd dat GenAI mensen zal helpen en hun veiligheid zal vergroten. Maar leiders moeten de verwachtingen van de mensen op de werkvloer managen: fabrieksmanagers, ingenieurs, kantoormedewerkers, productieleiders, etcetera. Een versnelde implementatie kan op weerstand stuiten bij mensen in deze rollen – gaat AI hen echt helpen, of gaat het hen vervangen? Het is cruciaal om dergelijke zorgen weg te nemen.

Van innovatie tot implementatie: de reis naar generatieve AI

Dus hoe maak je genAI in de productiesector werkelijkheid? Hoe industrialiseer je AI-projecten? Wat we willen doen, is de ervaring die we hebben met traditionele AI gebruiken en een aantal van de geleerde lessen ook toepassen op genAI.

In tegenstelling tot wat vaak wordt gedacht, komen veel AI/ML-oplossingen niet in productie door een gebrek aan datawetenschappers of technologie, maar door dataproblemen. Als je een PoC bouwt met een scheve of niet-representatieve steekproef of slechte datakwaliteit, krijg je resultaten die te mooi zijn om waar te zijn, triviaal of gewoon onbetrouwbaar. Dit heeft ertoe geleid dat besturen niet verder willen investeren in nieuwe projecten.

Hoe ga je aan de slag?

  • Weg met de ‘pilot paralysis’. Verzand niet in eindeloze proofs of concept. Toon waarde door het uitvoeren van high-impact business use cases zoals duurzaam productontwerp of voorspellend onderhoud, en ga dan agressief schalen.
  • Omarm de noodzaak van data. GenAI is data-dorstig. Ontwikkel een stevige AI-strategie die wordt ondersteund door een robuuste, schaalbare datastrategie. Bouw in de hele organisatie aan een cultuur van datageletterdheid en datagerichtheid.
  • Augment & reskill, maar ‘replace’ niet. Het menselijke element blijft van vitaal belang. Zorg dat werknemers AI-assistenten en collaboratieve robots (cobots) kunnen inzetten en maak ze tot actieve partners in de AI-revolutie.
  • Start een AI center of excellence (CoE). Succes met AI vereist een meervoudige aanpak. Een sterk regulerend orgaan, zoals een AI CoE, is je geheime wapen om een multidisciplinaire aanpak te stimuleren die data, AI, software en platforms combineert, terwijl je de bedrijfsvisie afstemt op de AI-strategie, je een datagestuurde cultuur gestimuleert en silo’s doorbreekt.

Gerelateerde artikelen

De AI Act ontcijferd

De AI Act ontcijferd

In dit document worden de mogelijke gevolgen van de AI-wet voor organisaties onderzocht, waarbij wordt ingegaan op de structuur, verplichtingen en tijdschema’s voor naleving. Daarnaast wordt er een actieplan voorgesteld waarmee organisaties rekening kunnen houden.

Artificial intelligence en klantervaring

Artificial intelligence en klantervaring

Artificial Intelligence (AI) opent nieuwe en vergaande mogelijkheden voor organisaties om de klantervaring als nooit tevoren te personaliseren. KPMG onderzocht wat AI zal betekenen voor de klantervaring.

Van AI-implementatie naar ticketless bedrijf: een case study

Van AI-implementatie naar ticketless bedrijf: een case study

Met het implementeren van AIOps ontstaat ook de mogelijkheid van een ticketless bedrijf. Oftewel, het inzetten van AI om alle activiteiten, tickets en alerts uit te voeren, zonder hulp van menselijke vaardigheden. Dit lijkt een ambitieuze visie, maar bij Digitate geloven we dat dit mogelijk is. En om dat te bewijzen, beginnen we bij onszelf.