Kunstmatige intelligentie (AI) is niets nieuws. De discipline werd in 1956 mede opgericht door de zogenaamde 'vader van AI', John McCarthy. AI kwam echter pas goed in de publieke belangstelling te staan in november 2022, toen het generatieve AI-platform ChatGPT van OpenAI werd gelanceerd.
AI heeft de afgelopen maanden wereldwijd het nieuws gedomineerd. In alle sectoren zijn bedrijven bezig om de integratie van AI in hun processen te onderzoeken. Als fabrikant denkt u waarschijnlijk ook na over de rol die AI op uw productielijnen kan spelen.
In dit blog onderzoeken we mogelijke toepassingen van AI in de productiesector. We geven tips om de eerste stap te zetten en bespreken de rol van gegevens voor de succesvolle toepassing van AI.
Wat is AI?
AI (Artificial Intelligence) laat zich beschrijven als elke toepassing van computersoftware waarmee machines de menselijke intelligentie nabootsen. Dit kan met beelden, spraak of interpretatie van gegevens, om problemen op te lossen. AI is een verzamelterm die meerdere methodieken omvat. Denk aan robotica, beeldanalyse, taalverwerking, machinelearning en kunstmatige neurale netwerken.
Op elementair niveau gebruiken kunstmatig intelligente systemen algoritmen om gegevens te analyseren en patronen te herkennen. Complexere systemen leren van ervaringen, lossen problemen op en nemen beslissingen zonder dat er mensen aan te pas komen.
Tegenwoordig worden AI-toepassingen in een groot aantal verschillende sectoren gebruikt:
Voedingsmiddelen en dranken: Campbell Soup Company gebruikt AI om gegevens over consumentenvoorkeuren te analyseren. Maar ook flexibele ontwerpmethodiek om de ontwikkeling van nieuwe producten te versnellen.
Afval en terugwinning: Greyparrot, een bedrijf voor afvalanalyse op basis van AI, heeft visuele computersystemen voor de identificatie van afval ontwikkeld voor faciliteiten waar materialen worden teruggewonnen.
Coderen en markeren: Bij Domino gebruiken we aspecten van AI om waarden voor nieuwe formules te bepalen. Daarnaast automatiseren we testen om het ontwikkelproces voor inkt te versnellen.
De rol van AI in de productiesector
Er zijn drie belangrijke gebieden waar AI een rol speelt in de productiesector.
Foutreductie: AI-systemen worden ontwikkeld om alle soorten visuele gegevens te begrijpen en analyseren, waaronder gegevens van kwaliteitscontrolesystemen op productielijnen. Ze herkennen patronen, die mogelijk bredere productiekwesties aanwijzen, en maken afvalvermindering en foutreductie mogelijk.
Voorspellend onderhoud: Gegevens uit onderhoudsverslagen en prestatiecijfers over productielijnen worden gebruikt om voorspellingen te doen over de prestaties van machines. Denk bijvoorbeeld aan het moment waarop onderdelen mogelijk vervangen moeten worden of onderhoud nodig is.
Prognoses: Met een uitgebreide dataset, inclusief informatie over fabrieksactiviteiten, productieprestaties, sales en feedback, genereren AI-systemen prognoses over de verwachte vraag. Dit helpt fabrikanten hun voorraden te stroomlijnen en productieruns vooruit te plannen.
De eerste stap op weg naar AI in de productiesector
Voor elke toepassing van AI in de productiesector is een grote dataset nodig om een AI-model te trainen. Voor AI kan worden ingezet, moeten fabrikanten systemen en processen implementeren om consistente, betrouwbare gegevens te verzamelen over alle relevante productieactiviteiten.
Gegevens voor kwaliteitscontrole: Vision inspectiesystemen voor kwaliteitscontrole kunnen een grote rol spelen in AI-toepassingen. Vision inspectiesystemen zoals Domino's R-Serie, maken gegevensverzameling mogelijk om de datasets te bouwen die nodig zijn om AI-modellen te trainen. Dezelfde systemen fungeren ook als visuele inputbronnen voor analyse en besluitvorming. Ze zijn direct aan AI-modellen gekoppeld om de gegevens te verwerken en inzichten te genereren.
Machinegegevens: Krachtige apparatuur voor dataproductie speelt een belangrijke rol in het gebruik van AI voor voorspellend onderhoud. Fabrikanten verzamelen waardevolle inzichten over machineprestaties en diagnose-informatie via monitoring-oplossingen zoals de Domino Cloud. Historische gegevens worden gebruikt om AI-modellen te trainen, terwijl realtime machinegegevens door AI-algoritmen worden geanalyseerd om te voorspellen wanneer onderhoud nodig is.
Productiegegevens: AI heeft uitgebreide productiegegevens over alle onderdelen van de productielijn nodig voor performance-optimalisatie, voorspellend onderhoud en prognoses. Door machines met elkaar te verbinden, kunnen fabrikanten productiegegevens van de werkvloer verzamelen en bundelen in een toegankelijke dataset om de inzet van AI te ondersteunen.
De nieuwste generatie technologieën van Domino zijn ontworpen voor die integratie. Kort gezegd: alles wat op een lijn geproduceerd wordt, is voorzien van een code. Die code wordt geteld als onderdeel van een dienst of productierun om de totale productieprestaties te meten. Domino's oplossingen zijn ontwikkeld als onderdeel van een uitgebreider productie- of 'ecosysteem' binnen een productielijn en werken met toonaangevende industrieprotocollen, waaronder Ethernet IP. Dit maakt naadloze communicatie tussen SCADA-systemen en alle andere onderdelen van de productielijn mogelijk.
Upstream- en downstream-gegevens: Bij combinatie met andere systemen voor productiemonitoring, zoals hierboven beschreven, wordt het coderen van variabele data op batch- of artikelniveau gebruikt om individuele producten te herleiden naar de productielijn. Een geserialiseerde productcode maakt identificatie van producten mogelijk als ze worden verworpen of tijdens het distributieproces voor problemen zorgen. De code is een manier om precies te traceren en vast te stellen waar en wanneer het product is gemaakt.
Een variabele datacode is tot ver buiten de fabriek waardevol, in de hele leveringsketen tot het moment dat de consument het product in handen krijgt. Een scanbare code met uniek serienummer verzamelt feedback van klanten en koppelt deze aan de unieke productiegeschiedenis van het product. Dit helpt niet alleen om vast te stellen waar problemen ontstaan. Het helpt merken ook om gegevens te verzamelen met betrekking tot consumentenvoorkeuren, trends, enz. voor de ontwikkeling van bestaande of nieuwe producten.
Het verzamelen van deze informatie tijdens de productie en buiten de fabrieksdeuren is weer een ander component van een complexe toolkit die bedrijven helpt om ervoor te zorgen dat hun gegevens robuust genoeg zijn om AI-toepassingen te onderzoeken.
Gegevens zijn de eerste en misschien wel belangrijkste stap op weg naar het gebruik van AI. Zonder dit proces zijn toekomstige pogingen gedoemd te mislukken.
Klaar voor verandering
Een AI-project in de productiesector voorbereiden betekent ook dat er voldoende middelen beschikbaar moeten zijn voor de implementatie van nieuwe systemen, het ontwikkelen van datasets, het trainen van AI-modellen en het bewaken en analyseren van de voortgang.
Wanneer AI ter sprake komt, wordt er altijd zorgelijk op gewezen dat AI het werk van mensen zal overnemen. Het tegendeel is echter waar – in ieder geval op korte termijn.
Forbes stelt dat AI medewerkers de mogelijkheid biedt om zich met zinvollere en waardevollere activiteiten bezig te houden. Zowel MIT als Statista stellen dat de samenwerking tussen mens en robot (die tot maar liefst 85% productiever kan zijn dan teams die uit alleen mensen of alleen robots bestaan) de toekomst is voor de productiesector.
Medewerkers klaarstomen voor AI is een doorlopend proces. De technologie blijft zich ontwikkelen, en bedrijven moeten investeren in leer- en ontwikkeltrajecten zodat hun medewerkers over de juiste vaardigheden beschikken om vooruit te komen.
Zet vandaag nog de eerste stap
AI zal naar verwachting veel impact hebben op de productiesector. Maar succes is niet verzekerd zonder een strategisch plan. Dat begint met de implementatie van betrouwbare methoden voor gegevensverzameling.
Fabrikanten moeten hun vereisten bespreken met leveranciers van bestaande oplossingen om te ontdekken welke gegevens nu al beschikbaar zijn en welke oplossingen voor naadloze gegevensverzameling er zijn.
Ga naar ons blog voor meer informatie over Domino's oplossingen voor slimme productie en het coderen van variabele data.