Drie manieren waarop AI de productieprocessen verbetert

Jonathan Whiteside, Principal Technology Consultant bij Dept, beschrijft de drie manieren waarop AI de productieprocessen verbetert...

Industrie 4.0 is meer dan een modewoord geworden in de productiewereld; het is de nieuwe realiteit. Een realiteit die is versneld door de Covid-19-pandemie. Tijdens de eerste drie maanden van de pandemie die zich uitbreidde, ging digitaal het equivalent van tien jaar vooruit, terwijl zowel bedrijven als consumenten zich aanpasten aan een online wereld.

De belangrijkste principes van een toekomstbestendig bedrijf - wendbaarheid, veerkracht en innovatie - kunnen allemaal worden ondersteund door investeringen in digitale oplossingen. Met de druk om operaties te stroomlijnen, kosten te verlagen en inkomsten te maximaliseren, is digitale transformatie een noodzaak geworden.

“De winnaars in digitale transformatie gebruiken disruptieve technologie om zakelijke uitdagingen aan te pakken en verbeteren door praktische toepassing. Het digitaliseren van operationele processen is van cruciaal belang voor fabrikanten om het hoofd te bieden aan de eisen en uitdagingen van de crisis, en wordt beschouwd als een natuurlijke stap voorwaarts in de evolutie van de productie", zegt Jonathan Whiteside, Principal Technology Consultant bij Dept. 

“Gelukkig heeft innovatie nu een punt bereikt waarop opkomende technologieën zoals AI en het Internet of Things (IoT) algemeen beschikbaar zijn, wat de transformatie van traditionele productiebedrijven helpt versnellen. Er zijn drie belangrijke gebieden waarop fabrikanten AI kunnen implementeren om veerkrachtiger te worden en het resultaat te verbeteren:prognoses, voorwaardelijk onderhoud en communicatie.”

#1 - Vraagplanning en prognoses

Machine Learning heeft de mogelijkheid om analyses te automatiseren en gegevenspatronen te detecteren met een snelheid die voor mensen onmogelijk zou zijn. Het kan gegevenssegmentatie verder brengen dan eenvoudige trefwoordclusters en biedt de mogelijkheid om informatie uit nieuwe gegevensbronnen te halen. Wanneer toegepast op prognosemodellen, zijn de resultaten indrukwekkend. Volgens , AI-aangedreven prognoses kunnen fouten met 30 tot 50% verminderen in supply chain-netwerken. De verbeterde nauwkeurigheid leidt tot een vermindering van 65% van de verloren verkopen als gevolg van situaties waarin de voorraad niet op voorraad is en de opslagkosten dalen met ongeveer 10 tot 40%. De impact van AI binnen de toeleveringsketen ligt tussen $ 1,2T en $ 2T in

Met die statistieken in het achterhoofd, is het geen wonder dat machine learning wordt omarmd door vraagplanners in de hele branche. De snelheid en nauwkeurigheid van machine learning-voorspellingen bieden meerdere voordelen, waarbij de verbetering van de klantervaring als gevolg van verbeterde beschikbaarheid slechts het topje van de ijsberg is. Als er vertrouwen is in de prognose, kunnen de buffervoorraadniveaus worden verlaagd, waardoor het werkkapitaal wordt verminderd en waardevolle ruimte wordt vrijgemaakt. Betere voorspellingen kunnen besparingen opleveren in de hele waardeketen, van verbeterde transportplanning tot geoptimaliseerde arbeidsschema's.

Het verbeteren van de nauwkeurigheid van de vraagprognose laat solide resultaten zien in alle sectoren, waarbij fabrikanten van verpakte consumentengoederen voorop lopen. De Franse multinational Danone Group verbetert de planningscoördinatie voor marketing, verkoop, accountbeheer en toeleveringsketen met machine learning. Via AI-gestuurde vraagmodellering en het bereiken van de beoogde serviceniveaus voor voorraden op kanaal- of winkelniveau. Het systeem leidde tot een vermindering van 20% van de prognosefouten, een vermindering van 30% van de verloren verkopen, een vermindering van 30% van de veroudering van producten en een vermindering van de werklast van de vraagplanners met 50%.

Machine learning en AI beïnvloeden niet alleen hoe bedrijven produceren, maar ook wat zij vervaardigen. Met de kracht om veranderende consumentensmaak te identificeren, door gegevens te analyseren en trends te spotten, kunnen verpakte voedingsbedrijven reageren door ingrediënten om te schakelen om tijdelijke specials te creëren die resoneren met consumenten. Er zijn ook grote kansen om mogelijke gebieden voor productuitbreiding te identificeren en tegelijkertijd het proces te versnellen voor een snellere lancering.

#2 - Ontwikkeling en onderhoud

Het handmatig onderhouden van productieapparatuur is kostbaar en tijdrovend, en er bestaat een groot risico op storingen in de apparatuur, waardoor het productieschema enorm wordt aangetast en de productiviteit afneemt. Om deze redenen is het voorspellen wanneer machines waarschijnlijk zullen falen het meest populaire gebruik van AI in de productie van vandaag.

“Ongeplande downtime is te voorkomen met voorspellend onderhoud. Fabrikanten kunnen een plan voor de levensvatbaarheid van activa opstellen dat aangeeft wanneer het het meest haalbaar is om apparatuur te upgraden door te reageren op waarschuwingen en door kleine problemen op te lossen wanneer ze zich voordoen. Bewaakte en niet-gecontroleerde algoritmen voor machine learning interpreteren verschuivingen in realtime gegevens. Binnen enkele seconden kan het voorheen onbekende processen, producten en workflow detecteren door gebruik te maken van een verscheidenheid aan gegevenstypen”, aldus Whiteside.

Sensorgegevens worden verzameld van de apparatuur zelf en detecteren warmte, trillingen en beweging, terwijl programmeerbare logische controller (PLC) gegevens de machine-ingangen en -uitgangen volgen. Computervisiegegevens worden vastgelegd door camera's in de fabriek, en tijdreeksgegevens bepalen de toestand van de machine op basis van zijn geschiedenis. Er wordt ook rekening gehouden met relevante externe databronnen, zoals veranderende weersomstandigheden of domino-effecten van aanverwante apparatuur. Deze bevindingen bieden een uitstekende bron van contextuele gegevens die kunnen worden gebruikt voor het trainen van machine learning-modellen, productontwikkeling en optimalisatie van de productie van assemblagelijnen.

#3 - Communicatiestrategieën

AI en machine learning zijn niet alleen voor operationele processen. Het vermogen om patronen te detecteren van verschillende bronnen, zoals audio, beeld en video, kan de manier waarop u communiceert met uw klanten en medewerkers verbeteren. Toegepast op uw communicatiekanalen kunnen bedrijven enorme tijdsbesparingen realiseren.

Een AI-chatbot kan de druk op uw callcenter verlichten en verkoopteams in de buitendienst vrijmaken om zich te concentreren op het werven van nieuwe klanten, terwijl ze tijdige, relevante antwoorden op de vragen van uw klanten bieden. Als u digitale tweelingen gebruikt, moet u ook de onderhoudscycli kennen en weten wanneer er mogelijke upgrades of problemen met uw producten kunnen optreden. Door het communicatieproces te automatiseren om uw klanten snel te informeren voordat ze contact met u moeten opnemen, krijgt u een pluim voor de klantenservice.

Door verbeteringen in online netwerkconnectiviteit, meest recentelijk de uitrol van 5G-verbonden apparaten en de voortdurende versterking van Bluetooth, is het gemakkelijker dan ooit om de verschillende apparaten met elkaar te verbinden die belangrijke zakelijke functies mogelijk maken. Dit kan op twee manieren:data-analyse en automatisering. Deze onderling verbonden gegevens worden vaak verzameld via cloudsoftware, waarbij gegevens op één gemakkelijk toegankelijke plaats worden gebundeld. Een bedrijf kan cloudapplicaties gebruiken om informatie te verzamelen over de meest gezochte veelgestelde vragen over websites, het fulfilment- en retourrecord en materiaalbrongegevens. Dit kan bijhouden wanneer klanten een bepaald probleem met een product begonnen te ervaren, of het probleem kan worden opgelost via ondersteuning of een terugroepactie vereist, en of het overeenkomt met een bepaalde bestelling van een leverancier. Samen kunnen zowel het probleem als de oplossing worden afgeleid.

Vooruitgang met schaalbare oplossingen

Productiebedrijven over de hele wereld versnelden de digitalisering als reactie op de uitdagingen van de Covid-19-pandemie. In het VK zeiden meer dan twee op de vijf fabrikanten (43%) dat voor hun respectievelijke bedrijfsactiviteiten gedurende het jaar. En ondanks dat bijna 95% van de wereldwijde fabrikanten of exploitanten van toeleveringsketens zegt negatieve gevolgen te hebben ondervonden van de pandemie, voelt 82% zich nu voorbereid om in de toekomst met een soortgelijk evenement om te gaan. Hun belangrijkste voordeel is het vermogen om digitale enablers te transformeren en te omarmen.

Laat u inspireren en leren van wereldleiders. Bijvoorbeeld op verschillende manieren; optimaliseren van het stroomverbruik in planten tijdens levende productie; machinegestuurde kwaliteitscontroles en het autonoom aanpassen van de positie van de rotoren van de windturbines om de opbrengsten van het windpark te verhogen. om nieuwe niveaus van kwaliteitscontroles naar zijn productiecentra te brengen. Fabricagecomponenten worden nauwkeurig onderzocht met behulp van industriële radiografie om de integriteit van elk onderdeel en zijn interne structuur te verifiëren.

De maakindustrie is meer dan ooit uitgerust om AI-strategieën te gebruiken, en de waarde hiervan is overduidelijk geworden. Door zich te concentreren op digitalisering, dichter bij eindgebruikers te komen en het digitale ecosysteem te innoveren om ervoor te zorgen dat aan de behoeften van klanten kan worden voldaan, kunnen fabrikanten commoditisering vermijden, beter in staat zijn om de concurrentie te verslaan en loyaliteit op lange termijn van zowel nieuwe als bestaande te koesteren klanten.

Voor meer informatie over productieonderwerpen, bekijk de nieuwste editie van

Volg ons op en .