AI in manufacturing - laat u inspireren en begeleiden!

Artificiële intelligentie (AI) is vandaag overal te vinden. Hoewel de term al in de jaren 1950 voor het eerst werd genoemd, heeft AI pas de afgelopen jaren steeds meer aandacht gekregen. Het belang en de potentiële impact van AI worden zeer hoog ingeschat, ook voor de maakindustrie. Echter, ondanks de grote claims, worstelen veel maakbedrijven ermee om AI te matchen met hun concrete uitdagingen: moeten we de sprong wagen of moeten we wachten? Agoria en Sirris begeleiden u graag in dit traject!

What’s in a name?

Hoewel de term Artificiële Intelligentie (AI) voor de meesten gekend is (en vaak wordt gebruikt), nemen we toch even de tijd om terug te gaan naar de basisdefinitie. De term werd voor het eerst gedefinieerd in de jaren 1950 door Minsky en McCarthy. Zij omschreven AI als: "Elke taak uitgevoerd door een machine die voorheen beschouwd werd als een taak waarvoor menselijke intelligentie nodig was." Sindsdien werd deze definitie regelmatig gewijzigd of aangepast, om beter aan te sluiten bij de vooruitgang op dit gebied. Niettemin staat de basisdefinitie nog steeds overeind.

Als we kijken naar de gemeenschappelijke basis binnen de vele beschrijvingen van AI, kunnen enkele basispijlers gevonden worden:

  • AI-systemen vertonen ten minste enkele van de volgende eigenschappen die met menselijke intelligentie worden geassocieerd: redeneren, leren, problemen oplossen en plannen (en soms zelfs creativiteit).
  • AI stelt technische systemen in staat hun omgeving waar te nemen, om te gaan met wat zij waarnemen, problemen op te lossen en te handelen, om een specifiek doel te bereiken.
  • AI-systemen zijn in staat hun gedrag tot op zekere hoogte aan te passen, door de effecten van eerdere acties te analyseren en autonoom te werken.

Of in mensentaal: "Artificiële intelligentie verwijst naar het vermogen van een computer of machine om de capaciteiten van het menselijke brein na te bootsen (observeren, herkennen, leren, …) en deze capaciteiten te combineren om functies uit te voeren die een mens zou kunnen uitvoeren." (bron: IBM)

Potentieel voor de maakindustrie?

Uit een recente studie van BDVA, euRobotics, ELLIS, CLAIRE en EurAI blijkt dat de maakindustrie in de top 5 staat van toepassingsgebieden voor AI (zie tabel). Bovendien staat de maakindustrie ook in de top 5 wat betreft AI-uitgaven.

Topsectoren voor AI, Robotica en data
(Bron: Strategic Research, Innovation and Deployment Agenda AI, Data and Robotics Partnership Third release September 2020)

Veelbelovende toepassingen in kaart gebracht

Er is dus zeker een verregaande interesse voor AI en maakbedrijven investeren in AI-technologieën. Maar welke zijn nu de meest veelbelovende toepassingen? Sirris en Agoria voerden een uitgebreide studie uit om dit alles in kaart te brengen. De resultaten worden na de zomer gepubliceerd. Toch lichten we graag al een tipje van de sluier.

Gebaseerd op analyse van de literatuur en inspirerende voorbeelden duikt een aantal toepassingsdomeinen steeds weer op voor de maakindustrie. We lichten er een aantal heel kort toe:

  • Predictive maintenance: AI-ondersteund predictief onderhoud (PdM4.0) houdt in dat gebruik wordt gemaakt van AI om inzichten te verwerven en patronen en anomalieën op te sporen die niet (of moeilijker) door (expert-)operatoren gedetecteerd kunnen worden. Het doel is te anticiperen op potentiële storingen en fouten. Machine-learning-technieken worden toegepast om onder meer 1) de verzamelde gegevens in real-time te analyseren, 2) verbanden te vinden tussen historische gegevens en actuele metingen, 3) potentiële verstoringen te identificeren, 4) risicobeperkende acties en/of optimale onderhoudsstrategieën voor te stellen.
  • Generative-design-software wordt gebruikt om op basis van een aantal ontwerpeisen en parameters (bijv. massa, stijfheidsbeperkingen, materiaal en fabricagemethoden) ontwerpvoorstellen te genereren. Door gebruik te maken van AI-algoritmes kan de ontwerper de steeds toenemende complexiteit van de ontwerpfase beperken: de software automatiseert verschillende taken (analyse van gegevens, simulaties, genereren van voorstellen), terwijl de expert zich onder meer kan focussen op designaspecten.
  • Demand planning is een onderdeel van supply-chain management, waarbij de vraag naar producten wordt voorspeld, om vervolgens productie te organiseren, zodat deze vraag afgedekt kan worden (bijv. productiestrategie, voorraadstrategie, …). Demand planning omvat veel rekenwerk, data-analyse en wordt cyclus na cyclus herhaald. AI algoritmes bieden hier een duidelijk voordeel om dit proces te automatiseren en verbeteren.
  • Machine vision/quality control: bij veel processen is een (visuele) kwaliteitscontrole noodzakelijk. Omdat menselijke operatoren beperkt zijn in hun (visuele) vermogen om fouten te identificeren, worden vaak zogenaamde machinevisiesystemen ingezet (deze zijn niet enkel vele malen gevoeliger dan de menselijke ogen maar ook sneller omwille van de rekenkracht). In traditionele machinevisiesystemen worden potentiële fouten geïdentificeerd, maar speelt de expert nog steeds een cruciale rol bij het al dan niet afkeuren. AI-gebaseerde systemen gaan nog een stap verder en kunnen 1) aanleren welke aspecten belangrijk zijn voor de kwaliteit (bijv. defecten herkennen), 2) regels opstellen die de uiteindelijke kwaliteit bepalen en 3) autonoom beslissingen nemen (goed/slecht).

Neem deel aan onze groepssessie!

Wilt u meer weten over het topic van artificiële intelligentie en de mogelijkheden voor de maakindustrie? Sirris en Agoria organiseren een thematisch traject rond dit topic. De eerste sessie start op 28 juni. Meer informatie vindt u hier.