MICHELIN, FORVIA & CELONIS op AI Industry by Artefact AI de automobielsector: de nieuwste ontwikkelingen en praktijkvoorbeelden

Tijdens de sessieAI Automotive“ kwamen vooraanstaande vertegenwoordigers van Michelin, Forvia en Celonis aan het woord, die benadrukten hoe AI revolutie AI de auto-industrie. AI met name AI een transformatie op het gebied van procesoptimalisatie, voorspellend onderhoud en kwaliteitscontrole, door middel van praktische toepassingen van machine learning, computervisie en generatieve AI, waardoor de bedrijfsvoering in de auto-industrie ingrijpend verandert.

Prashant Dhanraj van Celonis benadrukte het potentieel AIom bedrijfsprocessen zoals productontwikkeling en supply chain management te transformeren. Hij legde uit hoe bedrijven met behulp van digitale tweelingen – virtuele modellen van fysieke processen – inzichten kunnen verkrijgen uit grote datasets en hun bedrijfsvoering kunnen optimaliseren. Een voorbeeld hiervan is het gebruik van generatieve AI kostenramingen van nieuwe onderdelen door technische tekeningen te analyseren, vergelijkbare onderdelen te identificeren en leveranciers voor te stellen. AI helpt AI bij het orderbeheer, waarbij LLM's worden gebruikt om kredietblokkades in verkooporders te evalueren en aanbevelingen te doen op basis van historische data, wat de besluitvorming verbetert.

Jean-Vianney Chiron van Michelin legde uit hoe AI de productie AI met behulp van computervisie en tijdreeksanalyse. Bij de bandenproductie sporen AI camera’s defecten op in het rubber, iets wat moeilijk handmatig te controleren is. De technologie zorgt voor een hogere productkwaliteit en stroomlijnt het proces. Bovendien AI data, zoals temperatuur en druk, en de kwaliteit van het eindproduct, waardoor de efficiëntie toeneemt: werknemers kunnen zich nu richten op kritieke kwesties in plaats van data te moeten controleren.

Jean-Vianney Chiron benadrukte hoe generatieve AI decennia aan kennis uit de wereldwijde fabrieken van Michelin vast te leggen. Onderhoudspersoneel kan symptomen van machines invoeren en krijgt vervolgens diagnostische suggesties op basis van eerdere gevallen. Het systeem leert voortdurend van feedback van gebruikers, waardoor een robuuste, zich voortdurend ontwikkelende kennisbank ontstaat die wereldwijd toegankelijk is, waardoor de reactietijd op onderhoudsproblemen wordt verbeterd.

Caroline Connan van Forvia deelde soortgelijke toepassingen, waaronder AI preventief onderhoud om stilstand van productielijnen te voorkomen. Door historische data realtime machineparameters te analyseren, AI operators voor mogelijke problemen, waardoor kostbare stilstand wordt beperkt. Een op LLM gebaseerd systeem stelt onderhoudsplannen op en helpt bij het stellen van prioriteiten. Daarnaast detecteren AI computervisiesystemen in de fabrieken van Forvia kwaliteitsfouten in auto-interieurs, waardoor fouten worden verminderd en de productkwaliteit wordt verbeterd.

Zowel Michelin als Forvia maken gebruik van AI het energieverbruik in hun fabrieken bij te houden en te verminderen. Machine learning-modellen analyseren realtime data het elektriciteits- en waterverbruik te monitoren. Dankzij deze inzichten kunnen bedrijven doelstellingen vaststellen, het verbruik voorspellen en hun bedrijfsvoering aanpassen om hun milieu-impact en operationele kosten te verminderen. Het vermogen AIom realtime feedback te geven, is van cruciaal belang voor het behalen van duurzaamheidsdoelstellingen.