Op 31 maart jongstleden vond de Artefact Webtalks Data & AI – AI voor de industrie met als thema « Kunnen we de veerkracht, de veiligheid en de prestaties van de industriële sector aan AI toevertrouwen? ». Dit strategische artikel geeft een overzicht van de bijdragen en praktijkervaringen van de deskundigen van Artefact en haar technologische partners AVEVA, wereldleider op het gebied van industriële software en digitale transformatie, en Neo4j, pionier op het gebied van grafgerichte databases. Door de transformatie van de waardeketen, operationele intelligentie, het structureren van gegevens aan de hand van grafen en de opkomst van de’Agentieke AI, in dit exclusieve webinar wordt uitgelegd hoe de mens blijft de drijvende kracht van de fabriek van de toekomst.
1 – De transformatie door kunstmatige intelligentie in de industrie: toepassingsvoorbeelden in de gehele waardeketen
De uitdagingen in het bedrijfsleven zijn onveranderlijk. Van het optimaliseren van kapitaaluitgaven tot het afstemmen van een wereldwijde toeleveringsketen: de vraagstukken waarmee we vandaag de dag worden geconfronteerd, zijn dezelfde als twintig jaar geleden. Wat wel radicaal is veranderd, is de aard en de kracht van de oplossingen die wij hiervoor kunnen bieden. AI maakt het mogelijk om informatie die voorheen in silo’s was opgeslagen te bundelen en zo een transversale zichtbaarheid, waardoor gefragmenteerde processen worden omgevormd tot een soepel besluitvormingsproces.
Zoals Alexandre Thion de la Chaume, Managing Partner en Global Lead Industry bij Artefact, elke AI-strategie die losstaat van de operationele realiteit is gedoemd te mislukken. Om waarde te creëren, moet deze verankerd zijn in de werkvloer. De deskundige moet eerst de precieze knelpunt identificeren. Op basis van de “wrijvingen” in de praktijk worden gebruiksscenario’s opgesteld om sterke ROI. Zonder deze verdieping blijft de technologie een lege huls, die door degenen die er gebruik van moeten maken, wordt genegeerd.
Vandaag de dag worden de markt door vier belangrijke ontwikkelingen bepaald en is het succes van de transformatie hiervan afhankelijk:
- De integratie van het gegevensbestand : Het vermogen om de scheiding tussen engineering en productie te doorbreken en zo één enkele bron te creëren, vormt de onmisbare basis. Hierdoor kan de toewijzing van CAPEX worden geoptimaliseerd door de impact van investeringen nauwkeuriger te simuleren.
- Innovatieve hulpmiddelen voor operationele uitmuntendheid : Door gebruik te maken van nieuwe technologische hulpmiddelen kunnen de kwaliteitscontroleprocessen worden verbeterd en kan de beschikbaarheid van de machines worden verhoogd.
- De uitbreiding van de vaardigheden van de ingenieur : AI fungeert als een cognitieve partner en zorgt voor de continuïteit van de informatie tussen de fasen van de productlevenscyclus, die vaak los van elkaar staan.
- De nauwkeurigheid van de nieuwe bedieningshendels : Hoewel de uitdagingen traditioneel blijven, bieden de oplossingen (voorspellende AI, autonome agents) een mate van stuurkracht die de prestatienormen opnieuw definieert.
2- De prestaties van tools en processen optimaliseren: digitalisering als kern van de industriële transformatie met AVEVA
De industriële sector is gebaseerd op determinisme: een handeling moet een voorspelbaar en verklaarbaar resultaat opleveren. Generieke AI daarentegen is probabilistisch en functioneert vaak als een “black box”. Volgens Sébastien Ory, voorzitter van AVEVA France en vicevoorzitter van de commissie Industrie van Numeum, ligt het succes in « Industriële intelligentie », een aanpak die de kracht van algoritmen combineert met de nauwgezetheid van de industrie.
Om AI tot een drijvende kracht achter prestaties te maken, zijn drie voorwaarden onontbeerlijk:
- Leiderschap en managementvisie : De transformatie moet door het topmanagement worden aangestuurd om culturele weerstanden te doorbreken. Leidinggevenden moeten hun eigen datacultuur ontwikkelen om deze ambitie te verwezenlijken.
- Gespecialiseerde gegevensinfrastructuur : Industriële gegevens zijn complex, vervuild en heterogeen (tijdreeksen, 3D, onderhoud). Een generieke infrastructuur volstaat niet. Er zijn systemen nodig die in staat zijn om ruis uit sensorgegevens te filteren en de integriteit van de technische gegevens te waarborgen, zodat AI bruikbare resultaten kan opleveren.
- Gerichte gebruiksscenario’s en “Quick Wins” : In plaats van een technologische “Big Bang” moet men zich richten op specifieke toepassingen die onmiddellijk rendement opleveren, waardoor de acceptatie door de teams in het veld wordt bevorderd.
AI mag de besluitvormer niet vervangen, maar moet hem ondersteunen, met name bij kritieke processen. Laten we het onderhoud van een turbine als voorbeeld nemen. Een generieke AI zou zeggen: “Er is een kans van 73 % op een storing.” Deze informatie is nutteloos, en kan zelfs angst opwekken bij een operator. Industriële intelligentie daarentegen zal vaststellen dat deze kans berust op een afwijking in de trillingen en een specifieke temperatuurstijging. Vervolgens zal zij drie fysieke controlepunten voorstellen die zijn afgeleid uit de kennisbank van het bedrijf. De operator behoudt het laatste woord en keurt de aanbeveling van de AI goed op basis van tastbare parameters.
3- De slimme stuklijst: hoe u de time-to-market kunt versnellen met behulp van AI en Neo4j
La Stuklijst (BOM), vormt het semantische hart van de industrie. Toch is deze vaak versnipperd over engineering, productie en dienstverlening. Deze versnippering, die vaak via Excel-bestanden wordt beheerd, is een belangrijke bron van inefficiëntie. Wanneer een ontwerpwijziging niet in realtime wordt doorgevoerd op de productielijn, stijgen de kosten als gevolg van kwaliteitsgebreken.
Volgens Nicolas Rouyer, Senior Manager Solutions Engineering bij Neo4j, schieten traditionele relationele databases tekort wanneer het gaat om de complexiteit van moderne producten. Een helikopter of een turbine kan boomstructuren bevatten met een diepte van 20, 30 of zelfs 40 niveaus. Waar een traditioneel systeem overbelast raakt bij het berekenen van de afhankelijkheden, doorloopt de grafiektechnologie deze relaties in een fractie van een seconde door onderdelen, leveranciers, certificeringen en processen met elkaar te verbinden.
Indien in het ontwerp een aluminium onderdeel is gespecificeerd, maar er bij de productie – als gevolg van een informatiebreuk – titaniumschroeven worden gebruikt, zal er versnelde corrosie optreden, wat het operationele risico perfect illustreert. Het opsporen van deze fout op een assemblagelijn kost oneindig veel meer dan het onmiddellijk opsporen ervan via een gekoppelde stuklijst die de semantische conformiteit van de assemblages vanaf het ontwerpstadium.
De combinatie van grafen en AI maakt het mogelijk om fotografische werkprocessen revolutionair. Een gebruiker kan vragen stellen in natuurlijke taal, waarna de AI onmiddellijk de grafiek doorzoekt om een nauwkeurig en met bronvermelding onderbouwd antwoord te geven.
4- De uitdagingen van agentgebaseerde AI voor Industrie 4.0/5.0
Als‘Industrie 4.0’ heeft gezorgd voor connectiviteit, de’Industrie 5.0 de mens centraal stellen, door technologie te gebruiken om zijn mogelijkheden te vergroten in plaats van hem te vervangen. Florence Bénézit, deskundige bij Artefact, benadrukt dat agentieke AI het dagelijks werk van de operator ingrijpend verandert:
- Democratisering van de toegang tot gegevens : Een technicus kan de geschiedenis van een machine of een complexe procedure in natuurlijke taal opvragen, zonder dat hij door gespecialiseerde software hoeft te navigeren. Dit maakt lokale en zelfstandige probleemoplossing mogelijk.
- Uitgebreide logboeken : AI kan op basis van machinegegevens gebeurtenissen afleiden om automatische rapporten te genereren. Dit zorgt voor een betrouwbaardere “Shift Handover”, waardoor het risico wordt verkleind dat cruciale informatie tussen twee diensten verloren gaat.
- Contextuele begeleiding : In realtime fungeert de AI als mentor, waarbij hij aanpassingen van de instellingen voorstelt of de operator door strikte veiligheidsprotocollen loodst.
Agentgebaseerde AI is geen vervanging voor de mens ; het geeft hem zijn rol als stuurman terug in een industriële omgeving die te complex is geworden voor puur handmatig beheer. Het industriële succes hangt dus niet af van de geavanceerdheid van het algoritme, maar van de koppeling ervan met de praktijkkennis. Door gegevens via grafieken met elkaar te verbinden en de mens te ondersteunen met agentieke AI, wint de industrie aan flexibiliteit. Pragmatisme moet de gouden regel blijven: technologie is slechts een hefboom ten dienste van de operationele uitvoering.
Bekijk de volledige opname van het replay-webinar:
