Hoe AI Efficiëntie en Innovatie Drijft in Moderne Productie

Jonathan Whiteside, Principal Technology Consultant bij Dept, detail de drie manieren waarop AI productie-operaties verbetert...

Industrie 4.0 is meer dan een buzzword in de wereld van productie geworden; het is de nieuwe realiteit. Een realiteit die versneld is door de Covid-19-pandemie. Tijdens de eerste drie maanden van de pandemie die greep, vorderde digitaal het equivalent van tien jaar, als zowel bedrijven als consumenten zich aanpassten aan een online wereld.

“De winnaars in digitale transformatie benutten disruptieve technologie om zakelijke uitdagingen aan te pakken, verbetering drijvend door praktische toepassing. Het digitaliseren van operationele processen is cruciaal voor fabrikanten om om te gaan met de eisen en uitdagingen van de crisis, en wordt beschouwd als een natuurlijke stap vooruit in de evolutie van productie,” zei Jonathan Whiteside, Principal Technology Consultant bij Dept.

“Gelukkig heeft innovatie nu een punt bereikt waar opkomende technologieën zoals AI en het Internet of Things (IoT), breed beschikbaar zijn, helpen om de transformatie van traditionele productiebedrijven te versnellen. Er zijn drie sleutelgebieden waar fabrikanten AI kunnen implementeren om weerbaarder te worden en de bottom line te verbeteren: forecasting, conditioneel onderhoud en communicatie.”

#1 - Vraagplanning en forecasting

Machine Learning heeft de capaciteit om analyse te automatiseren en patronen van data te detecteren in een tempo dat onmogelijk zou zijn voor mensen om te bereiken. Het kan datasegmentatie voorbij eenvoudige keyword-clusters brengen en de kans openen om informatie te ontginnen uit nieuwe databronnen. Toegepast op forecasting-modellen, zijn de resultaten indrukwekkend. Volgens , kan AI-aangedreven forecasting fouten met 30 tot 50% reduceren in supply chain-netwerken. De verbeterde nauwkeurigheid leidt tot een 65% reductie in verlorene verkoop door voorraad out-of-stock situaties en opslagkosten dalen met ongeveer 10 tot 40%. De impact van AI binnen de supply chain ligt tussen $1,2T en $2T in

Met die stats in gedachten, is het geen wonder dat machine learning wordt omarmd door vraagplanners over de industrie. De snelheid en nauwkeurigheid van machine learning forecasts bieden meerdere voordelen, met de verbetering van klantervaring als gevolg van verbeterde beschikbaarheid als net de top van de ijsberg. Wanneer er vertrouwen is in de forecast, kunnen buffer voorraadvlakken verlaagd worden, waardoor werkkapitaal verminderd en waardevolle ruimte vrijgemaakt wordt. Betere forecasts kunnen besparingen leveren over de gehele waardeketen, van verbeterde transportplanning tot geoptimaliseerde arbeidsplanningen.

Het verbeteren van de vraagforecast-nauwkeurigheid toont solide resultaten over alle industrie’n met Consumer Packaged Goods fabrikanten die de pak aanvoeren. Frans multinationaal Danone Groep verbetert planningcoördinatie over marketing, sales, account management en supply chain met machine learning. Via AI-gedreven vraagmodellering, en haalt zijn target serviceniveaus voor kanaal- of winkel-niveau voorraden. Het systeem leidde tot een 20% reductie in forecast-fout, een 30% reductie in verlorene verkoop, een 30% reductie in productveroudering, en een 50% reductie in vraagplanners’ werkbelasting.

Machine learning en AI beïnvloeden niet alleen hoe bedrijven produceren, maar ook wat ze produceren. Met de kracht om veranderende consumentensmaken te identificeren, door data te analyseren en trends te spotten, kunnen verpakte-voedselbedrijven reageren door ingrediënten te wisselen om limitied-specials te creëren die resoneren met consumenten. Er zijn ook grote kansen om mogelijke gebieden voor productuitbreiding te identificeren terwijl het proces voor een meer tijdige lancering versneld wordt.

#2 - Ontwikkeling en onderhoud

Handmatig onderhouden van productieapparatuur is duur en tijdrovend, plus het loopt een hoog risico op apparatuurstoring, wat een enorme klap geeft aan het productieschema en productiviteit vermindert. Om deze redenen is het voorspellen wanneer machines waarschijnlijk zullen falen het populairste gebruik van AI in productie vandaag.

“Ongeplande downtime is voorkombaar met predictief onderhoud. Fabrikanten zijn in staat om een asset viability protection plan te bouwen dat aangeeft wanneer het meest levensvatbaar zal zijn om apparatuur te upgraden door te reageren op alerts en minor issues op te lossen zodra ze zich voordoen. Gesuperviseerde en ongesuperviseerde machine learning algoritmen interpreteren shifts in real-time data. In seconden kan het eerder onbekende processen, producten en workflow detecteren door een verscheidenheid aan datatypes te benutten,” zei Whiteside.

Sensordata wordt verzameld van de apparatuur zelf die warmte, trillingen en beweging detecteert, terwijl programmable logic controller (PLC) data machine inputs en outputs trackt. Computer vision data wordt vastgelegd van camera’s rondom de fabriek, en time-series data bepaalt de staat van de machine gebaseerd op zijn historie. Relevante externe databronnen worden ook in rekening gebracht, als veranderende weersomstandigheden of kloppende effecten van gerelateerde apparatuur. Deze bevindingen bieden een uitstekende bron van contextuele data die gebruikt kan worden voor het trainen van machine learning-modellen, productontwikkeling en optimalisatie van montagebandproductie.

#3 - Communicatiestrategieën

AI en machine learning zijn niet alleen voor operationele processen. Hun capaciteit om patronen te detecteren uit diverse bronnen zoals audio, afbeelding en video, kan verbeteren hoe je communiceert met je klanten en werknemers. Toegepast op je communicatiekanalen, kunnen bedrijven enorme tijdsbesparingen maken.

Een AI chat-bot zou druk op je callcenter kunnen verlichten en veldsales teams vrijmaken om te focussen op nieuwe klantverwerving, terwijl tijdige, relevante antwoorden op je klanten’ vragen worden gegeven. Als je digital twins gebruikt, moet je ook de onderhoudscycli en wanneer potentiële upgrades of issues van je producten kunnen voorkomen kennen. Het automatiseren van het communicatieproces om je klanten tijdig te informeren voordat ze hoeven contact op te nemen, wint punten in de klantenservice-stakes.

Door vooruitgang in online netwerkconnectiviteit, meer recent de uitrol van 5G verbonden apparaten en de lopende versterking van Bluetooth, is het makkelijker dan ooit om de diverse apparaten te verbinden die cruciale zakelijke functies mogelijk maken. Er zijn twee manieren waarop dit gerealiseerd wordt: data-analyse en automatisering. Deze geïntegreerde data wordt vaak verzameld via cloud-software, data in één gemakkelijk toegankelijke plek poolend. Een bedrijf kan cloud-applicaties gebruiken om informatie te verzamelen over de meest gezochte website FAQs, de fulfillment en returns record, en materialen sourcing data. Dit kan tracken wanneer klanten begonnen een bepaalde issue met een product te ervaren, of het issue opgelost kan worden via support of een recall vereist, en of het correspondeert met een bepaalde order van een leverancier. Samen kunnen zowel het issue als de oplossing afgeleid worden.

Vooruitgaan met schaalbare oplossingen

Productiebedrijven over de hele wereld versnelden digitalisering als reactie op uitdagingen gevoerd door de Covid-19-pandemie. In het VK zeiden meer dan twee op de vijf fabrikanten (43%) dat voor hun respectieve bedrijfsoperaties over het jaar. En, ondanks bijna 95% van wereldwijde fabrikanten of supply chain-operators zeggen dat ze negatief beïnvloed zijn door de pandemie, voelen 82% zich nu voorbereid om met een vergelijkbaar evenement in de toekomst om te gaan. Hun sleutel-les is de capaciteit om te transformeren en digitale enablers te omarmen.

Laat je inspireren en leer van wereldwijde leiders. Bijvoorbeeld, op verschillende manieren; energieverbruik optimaliseren in planten tijdens live productie; machine-geoperateerde kwaliteitscontroles, en autonoom de positie van windturbine rotoren aanpassen om de windpark-opbrengsten te verhogen. om nieuwe niveaus van kwaliteitscontrole naar haar productiecentra te brengen. Productiecomponenten worden nauwkeurig onderzocht met industriële radiografie om de integriteit van elk onderdeel en zijn interne structuur te verifiëren.

De productie-industrie is meer uitgerust dan ooit om AI-strategieën te benutten, en de waarde van dit doen is overduidelijk geworden. Door te focussen op digitalisering, dichter bij eindgebruikers te komen, en het digitale ecosysteem te innoveren om ervoor te zorgen dat klanten’ behoeften kunnen worden vervuld, kunnen fabrikanten commoditisering vermijden, beter geplaatst zijn om de concurrentie te verslaan, en langdurige loyaliteit van zowel nieuwe als bestaande klanten te koesteren.

Voor meer informatie over productie-onderwerpen - bekijk de nieuwste editie van

Volg ons op en .