Van AI World:fabrikanten maken zich klaar om AI aan hun IoT toe te voegen

Er stroomt nu een schat aan gegevens binnen vanaf de talrijke randen van het IoT, dus het is niet meer dan normaal om na te denken over manieren om kunstmatige intelligentie (AI) toe te passen om waardevolle inzichten aan het bedrijf te leveren. Voor fabrikanten kan dit een game-changer zijn, waardoor de kosten drastisch worden verlaagd en hun intrede in dienstverlenende bedrijven wordt versneld. Velen staan ​​echter pas aan het begin van deze reis.

De naderende convergentie tussen IoT en AI werd onderzocht tijdens een panel op de recente AI World-conferentie in Boston, gemodereerd door Les Yeamans, uitvoerend redacteur van RTInsights.

Zie ook: Duitsland maakt van productie een IoT-kunstvorm

Het potentieel voor IoT-uitgebreide AI biedt op dit moment drie belangrijke voordelen voor fabrikanten:supply chain-optimalisatie, slimme productie en product- of service-innovatie, zei Reid Paquin, onderzoeksdirecteur bij IDC. Momenteel voegde hij eraan toe:"Slimme productie is waar de meeste bedrijven beginnen en hun investeringen op focussen. Dit geldt met name voor procesproductie, met name assetmanagement.” Aan de kant van de discrete productie, zegt hij, "zijn producten en diensten de grote kans - veel fabrikanten proberen producten sneller op de markt te brengen, maar proberen vervolgens ook hun product te veranderen in servicemixen en over te gaan op servitization."

De overstap naar een data- en AI-gestuurde onderneming kan voor veel fabrikanten tijd vergen, waren de panelleden het erover eens. "In elk datawetenschaps- of AI-project is de eerste stap het verzamelen en organiseren van uw gegevens", zegt Zachariah Eslami, delivery leader, data- en AI-expertlabs and learning voor IBM. De uitdaging is om gegevens uit verschillende delen van de onderneming samen te brengen, merkte hij op. “Het probleem is de input van data en dataverzamelingen, magazijnen zijn vaak verdeeld over verschillende IT-groepen, verschillende teams die het gebruiken zonder een enkele repository of kenniscatalogus, dat je de data kunt pakken en verspreiden en manipuleren, deze inzichten extraheren ervan.”

Een andere uitdaging voor IoT-AI-projecten is een algemeen gebrek aan vaardigheden, vervolgde Eslami. "Dat is zowel in de zin van zich kunnen aanpassen aan informatica, begrijpen en leren en gebruiken van Python- of R-notebooks, en echt een duidelijk begrip krijgen van wat het is om gegevens op te schonen, voor te bereiden en dan te beginnen met het doen van analyses op zodat je er machinemodellen op kunt bouwen.”

Als het gaat om het starten van de AI-reis:"waar je staat hangt af van waar je zit", zegt Ryan Martin, hoofdanalist bij ABI Research. “Als je een fabriek hebt die van behoorlijke omvang is – een paar honderdduizend vierkante meter – begin dan met conditiebewaking of het volgen van activa, het volgen van activa zal verreweg het meest relevant zijn, omdat het de kosten helpt, het helpt de bedrijf blijft georganiseerd.” Voorspellend onderhoud is een ander uitgangspunt, want "het heeft geen zin om maandelijks iemand te sturen om alle verschillende brandblussers die er zijn te inspecteren als er maar vier moeten worden vervangen."

Paquin was het ermee eens dat activabeheer een goed startpunt is voor IoT-verbeterde AI, samen met op visie gebaseerde kwaliteitssystemen. Bovendien "proberen alle grote ERP-providers AI in hun applicaties te verweven, vooral aan de financiële kant en aan de planningskant."

Panelleden bespraken ook het gebruik van digitale tweelingen voor productie, of het nu gaat om het implementeren van een digitale tweeling voor een onderdeel, voor een machine, voor een hele fabriek, voor de producten in een fabriek. "Productie is een zeer grote ruimte voor digitale tweelingen", zegt Eslami. “NASA begon het eerst te implementeren, GE doet het voor straalmotoren, Siemens doet het voor alternatieve energie, Chevron doet het voor olievelddistributie. “Het mooie van digitale tweelingen is dat er aan alle drie een model ten grondslag ligt, dat gegevens nodig heeft en verschillende omstandigheden en situaties kan testen. Met AI kun je meerdere variabelen in realtime invoeren en testen, de prestaties aanpassen en zien hoe dat in de loop van de tijd zal reageren. Het is een enorme kostenbesparing.”

Ook de op handen zijnde komst van 5G-netwerken - die realtime machine-to-machine-netwerken beter zullen vergemakkelijken - werd onderzocht. "5G gaat gebeuren zoals 4G sneller uitkwam dan 3G, 5G zal sneller komen dan 4G", voorspelde Martin. “Wat interessant is aan 5G, zijn de mogelijkheden die ermee gepaard gaan:deterministische netwerken. Dat wil zeggen:'Oké, het is belangrijker om die robot te vertellen dat hij moet stoppen dan dat de trillingssensor blijft draaien.'

Martin voegde eraan toe dat "het een tijdje zal duren voordat je dingen echt begint te zien, maar de vroege proeven die we zien met 5G zijn ongelooflijk overtuigend, de technologie doet wat ze zeggen dat het zal doen, het is gewoon een kwestie van de juiste normen inpakken eromheen en op de markt brengen. “