MICHELIN, FORVIA & CELONIS op AI voor de industrie door Artefact - AI voor de auto-industrie: State of the art & use cases

De sessie “AI voor de auto-industrie” werd bijgewoond door belangrijke vertegenwoordigers van Michelin, Forvia en Celonis, die benadrukten hoe AI een revolutie teweegbrengt in de auto-industrie. AI transformeert met name procesoptimalisatie, voorspellend onderhoud en kwaliteitscontrole door middel van echte toepassingen van machinaal leren, computervisie en generatieve AI, waardoor de automobielindustrie een nieuwe vorm krijgt.

Prashant Dhanraj van Celonis benadrukte het potentieel van AI om bedrijfsprocessen zoals productontwikkeling en supply chain management te transformeren. Hij legde uit hoe digital twins, virtuele modellen van fysieke processen, bedrijven in staat stellen om inzichten af te leiden uit grote datasets en hun activiteiten te optimaliseren. Een voorbeeld is het gebruik van generatieve AI voor kostenramingen van nieuwe onderdelen door het analyseren van technische tekeningen, het identificeren van vergelijkbare onderdelen en het voorstellen van leveranciers. AI helpt ook bij het orderbeheer, waarbij LLM's kredietblokken in verkooporders evalueren en aanbevelingen doen op basis van data uit het verleden, waardoor de besluitvorming verbetert.

Jean-Vianney Chiron van Michelin legde uit hoe AI de productie verbetert met computervisie en tijdreeksanalyse. Bij de bandenproductie detecteren AI-camera's gebreken in rubber, die moeilijk handmatig te inspecteren zijn. De technologie zorgt voor een hogere productkwaliteit en stroomlijnt het proces. Bovendien correleert AI machine data, zoals temperatuur en druk, met de uiteindelijke productkwaliteit, waardoor de efficiëntie verbetert doordat werknemers kritieke problemen kunnen aanpakken in plaats van data handmatig te controleren.

Jean-Vianney Chiron benadrukte hoe generatieve AI tientallen jaren aan kennis van Michelin's wereldwijde fabrieken helpt vast te leggen. Onderhoudspersoneel kan machinesymptomen invoeren en diagnosesuggesties ontvangen op basis van eerdere gevallen. Het systeem leert voortdurend van de feedback van gebruikers en creëert zo een robuuste, evoluerende kennisbank die wereldwijd toegankelijk is, waardoor de reactietijd bij onderhoudsproblemen verbetert.

Caroline Connan van Forvia deelde vergelijkbare use cases, waaronder AI voor voorspellend onderhoud om stilstand van productielijnen te voorkomen. Door historische data en real-time machineparameters te analyseren, waarschuwt AI operators voor potentiële problemen, waardoor kostbare stilstandtijd wordt verminderd. Een op LLM gebaseerd systeem genereert onderhoudsplannen en helpt bij het prioriteren van acties. Daarnaast detecteren AI-gestuurde computervisiesystemen in de fabrieken van Forvia kwaliteitsdefecten in auto-interieurs, waardoor fouten worden verminderd en de productkwaliteit wordt verbeterd.

Michelin en Forvia gebruiken allebei AI om het energieverbruik in hun fabrieken bij te houden en te verminderen. Machine-learningmodellen analyseren real-time sensor data om het elektriciteits- en waterverbruik te controleren. Deze inzichten stellen bedrijven in staat om doelen te stellen, het verbruik te voorspellen en activiteiten aan te passen om hun milieu-impact en operationele kosten te verminderen. Het vermogen van AI om real-time feedback te geven is cruciaal voor het behalen van duurzaamheidsdoelen.