Fabrikanten omarmen AI-versterkte IoT voor supply chain, productie en innovatie

IoT-uitgebreide AI brengt drie hoofddoelen voor fabrikanten: supply chain optimalisatie, slimme productie, en product- of dienstinnovatie.

Er is een rijkdom aan data nu streaming in van de talrijke randen van IoT, dus het is maar natuurlijk om te beginnen nadenken 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, dramatisch kosten snijden en hun toetrede tot dienstverleningsbusiness versnellen. Echter, velen zijn nog maar aan het begin van deze reis.

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

Zie ook: Duitsland maakt productie een IoT-kunstform

Het potentieel voor IoT-uitgebreide AI brengt drie hoofddoelen voor fabrikanten op dit moment – supply chain optimalisatie, slimme productie, en product- of dienstinnovatie, zei Reid Paquin, research director bij IDC. Op dit moment, voegde hij toe, "is slimme productie waar de meeste bedrijven beginnen en hun investeringen richten. Dit is met name waar met procesproductie, specifiek asset management." Op de discrete productiekant, zegt hij, "is de grote kans producten en diensten – veel fabrikanten proberen producten sneller op de markt te krijgen, maar ook hun product-naar-dienst-mixen te veranderen, bewegend naar servitisering."

Overgaan naar een data- en AI-gedreven onderneming kan tijd kosten voor veel fabrikanten, waren panelisten het eens. "In elk data science of AI-project, is de eerste stap het verzamelen en organiseren van je data," zei Zachariah Eslami, delivery leader, data en AI expert labs en learning voor IBM. De uitdaging is data samenbrengen uit uiteenlopende delen van de onderneming, observeerde hij. "Het kwestie is de input van data en dataverzamelingen, warehouses zijn vaak verdeeld over verschillende IT-groepen, verschillende teams die het gebruiken zonder een enkele repository of kennis catalogus, die je kunt nemen en de data distribueren en manipuleren, deze inzichten eruit halen."

Een andere uitdaging voor IoT-AI-projecten is een algemene tekort aan vaardigheden, vervolgde Eslami. "Dat is zowel in de zin van in staat zijn aan te passen aan computerwetenschap, begrijpen, en leren en gebruiken van Python of R notebooks, en echt een duidelijk begrip krijgen van wat het is om data te schoonmaken, het voor te bereiden, en dan te beginnen met analyse erop, zodat je machine-modellen erbovenop kunt bouwen."

Als het aankomt op het starten van de AI-reis, "waar je staat hangt af van waar je zit," zei Ryan Martin, principal analyst bij ABI Research. "Als je een productiefabriek bezit die van een fatsoenlijke grootte is – een paar honderdduizend vierkante voet – begin met conditiemonitoring of assettracking, Assettracking is verreweg het meest relevant, want het helpt de kosten, het helpt het bedrijf georganiseerd blijven." Predictief onderhoud is een ander startpunt, want "het maakt geen zin om iemand uit te sturen om alle verschillende brandblussers die er buiten zijn op maandelijkse basis te inspecteren als er maar vier van ze vervangen hoeven te worden."

Paquin was het eens dat asset management een goed startpunt is voor IoT-versterkte AI, samen met visie-gebaseerde kwaliteitssystemen. Bovendien, "alle grote ERP-providers proberen AI in hun applicaties te weven, met name in de financiële kant en een planningskant."

Panelisten discussieerden 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 heel grote ruimte voor digitale tweelingen," zei Eslami. "NASA begon het eerste te implementeren, GE doet het voor straalmotoren, Siemens doet het voor alternatieve energie, Chevron doet het voor olievelddistributie. "Het geweldige aan digitale tweelingen is dat onder al hen ligt een model, wat data neemt en verschillende omstandigheden en situaties kan testen. Met AI kun je meerdere variabelen in realtime invoeren en testen, en prestaties aanpassen, en zien hoe dat over tijd zal reageren. Het is een enorme kostenbesparing."

De aankomende aankomst van 5G-netwerken – die realtime machine-naar-machine-netwerken beter zullen faciliteren – werd ook 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 erbij komen – deterministische netwerken. Dat wil zeggen, 'okay, het is belangrijker om die robot te vertellen te stoppen dan de trillingssensor door te laten lopen.' Dat zal komen met de 5G-specificatie de lijn op, in de 2021-tot-2025 tijdframe."

Martin voegde toe dat "het nog even zal duren voordat je echt dingen ziet, maar de vroege proeven die we zien met 5G zijn ongelooflijk overtuigend, de technologie doet wat ze zeggen dat het zal, het is gewoon een kwestie van de juiste standaarden eromheen te wikkelen en het naar de markt te krijgen."