PwC Inzichten: AI & Big Data Benutten om Manufacturing te Transformeren

Manufacturing Global spreekt met Kaveh Vessali, PwC Middle East Partner (Digital, Data & AI) over de toepassing van AI en Big Data in Manufacturing.

Kunt u definiëren wat kunstmatige intelligentie is, en wat Big Data is?

AI is de capaciteit van een machine om zijn omgeving te percepen en taken uit te voeren die normaal menselijke intelligentie vereisen, en het is een heel veld van verschillende technologieën, technieken en toepassingen.

Big data is een set tools en capaciteiten voor het werken met, voor het verwerken van, extreem grote sets data.

Hoe werken AI en Big Data samen?

Big data is slechts een van de enablers van AI, hoewel, naarmate we toenemende volumes data zien, is het een van de belangrijkste.

Hoe kan dit toegepast worden in een manufacturing-setting?

Breed gesproken zijn er veel voordelen van AI, en het gebruik van data, waaronder het reduceren van kosten, minimaliseren van menselijke fouten, en het verhogen van productiviteit en efficiëntie. Het belangrijker om te overwegen is bij elke setting – voor het gebruik van enige technologie – wat is het probleem dat je probeert op te lossen? Zie het nu het automatiseren van repetitieve taken of het heruitvinden van de aard van werk in fabrieken door mensen en machines te laten samenwerken om betere en snelere beslissingen te nemen.

Waarom zouden fabrikanten AI en Big Data moeten gebruiken bij het adopteren van slimme manufacturing-mogelijkheden, wat is de waarde voor fabrikanten?

Één kijk is, opnieuw, de economische voordelen van AI, die in manufacturing voortkomen uit:

1. Productiviteitswinst door het automatiseren van processen en het augmenteren van het werk van bestaande arbeidskrachten met diverse toepassingen van AI-technologieën.

2. Toegenomen consumentenvraag door de verhoogde capaciteit om geproduceerde producten te personaliseren en af te stemmen, samen met hogekwaliteit digitale en AI-verbeterde producten en diensten.

Manufacturing (en constructie-industrieën) zijn van nature kapitaal-intensief, en in ons 2018-rapport, "The potential impact of AI in the Middle East," schatten we dat de adoptie van AI-toepassingen de bijdrage van de sectoren aan BBP-winst met meer dan 12,4% kon verhogen tegen 2030.

Hoe kunnen AI en Big Data fabrikanten helpen te evolueren in de Industrie 4.0-revolutie? Wat met diegenen die al naar Industrie 5.0 kijken?

Het gaat echt om de investering die je nu doet, om je bedrijf toekomstbestendig te maken.

We zien typisch twee brede strategieën of benaderingen voor de adoptie van AI. Er zijn dingen die we onmiddellijk kunnen doen, zonder recourse tot Big Data – wat is het adopteren van technologieën die we beschrijven als Sensing, die computer vision involveren, bijvoorbeeld. Er zijn genoeg use cases waar deze onmiddellijk in manufacturing gebruikt kunnen worden, zoals voor automatische foutdetectie. Er is echter een langere termijnspeel die investeren in data vereist – de juiste verzamelmechanismen op de goede plaats zetten, opslag, data governance, Big Data capaciteiten etc – om steeds waardevollere machine learning-gedreven AI use cases te ontwikkelen. Dit is absoluut noodzakelijk voor langetermijn adoptie succes.

Wat is de beste strategie voor organisaties die de waarde van AI en Big Data in manufacturing willen realiseren?

AI en Big Data zijn slechts één deel van een succesvolle slimme fabriek. De organisaties die leiden in AI-adoptie zijn diegenen die al de meeste vooruitgang hebben geboekt in het digitaliseren van kernbedrijfsprocessen. Om vooruit te komen in het gebruik van AI-oplossingen op schaal, zijn er een aantal technologie-investeringen en organisatorische beslissingen te nemen, waaronder:

1. Het digitaliseren van processen leidt uiteindelijk tot een verbeterde capaciteit om data te genereren, en in de manufacturing-setting – met honderden sensoren die duizenden metingen in real-time genereren, is het resultaat Big Data. Data is de sleutel om AI te bouwen, dus betrouwbare en nauwkeurige data-acquisitie, -management en -governance zijn essentieel. De productielijn en fabrieken spelen een kritieke en directe rol in het data-verzamelproces.

2. AI-strategie, zowel lang als kortetermijn, begint met de use cases, de zakelijke toepassingen. Fabrikanten moeten zich afvragen waar ze AI willen gebruiken en deze use cases verzamelen en projecten prioriteren op basis van een balans van verwachte impact en complexiteit van implementatie.

Natuurlijk, naast technologie en bedrijfsprocessen, zijn mensen het hart van elke succesvolle technologie-adoptie. AI-teams moeten niet alleen bestaan uit data scientists, maar ook data engineers en solution architects om hun werk te enablen, data stewards om nauwkeurigheid te waarborgen, en steeds meerzogenaamde "Analytics/AI translators" die in staat zijn om te communiceren met zakelijke leiders en technologie-experts. Cultuur is ook essentieel, en fabrikanten moeten een data- en AI-gedreven cultuur mogelijk maken, vertrouwen in data en algoritmes opbouwen door hun werknemerspopulatie te educeren over AI en zijn mogelijkheden, hoe de waarde het best te extraheren. Het is niet alleen het positieve, maar ook de risico's en beperkingen, want deze, wanneer ze zonder verwachtingen worden tegengekomen, kunnen de bereidheid om te investeren significant beïnvloeden.

Wat zijn de uitdagingen bij het adopteren van AI en Big Data in manufacturing?

heeft getoond dat een van de grootste uitdagingen bij het implementeren van AI onzekerheid is rond return on investment (ROI). Zoals gezegd, is er significante investering vereist voor een langetermijn data- en AI-strategie om succesvol te zijn, en verwachtingen rond de tijd om tastbare resultaten te zien moeten realistisch gesteld worden.

Veel bedrijven worstelen ook met de data-kant: het verzamelen en leveren van de data die een AI-systeem nodig heeft om te opereren, en ervoor zorgen dat het nauwkeurig is. Opnieuw, dit spreekt tot de grotere investeringen die in digitalisatie vereist zijn.

Enkele van de belangrijkste uitdagingen voor manufacturing-bedrijven bij het implementeren van AI op schaal uit ons onderzoek omvatten:

• 40% → Technologieën niet volwassen
• 40% → Werknemerspopulatie beschikt niet over vaardigheden om AI te implementeren en managen
• 36% → Onzeker over return on investment
• 33% → Data is nog niet volwassen
• 32% → gebrek aan transparantie en vertrouwen
• 24% → Werkraden en vakbonden
• 22% → Regulatorische hindernissen in thuismarkten & belangrijke markten

Één element benadrukt hier, met name rond gebrek aan vertrouwen en vakbonden, is dat AI in de media typisch misvertegenwoordigd wordt als "vervangend" werknemers, en banen wegnemend. Ja, er zijn efficiëntiewinst te maken uit automatisering, zoals er zijn sinds de eerste industriële revolutie. Maar wij geloven dat Data en AI het meest waardevol zijn wanneer ze gebruikt worden om werknemers te augmenteren, hun capaciteiten en de geproduceerde producten te verbeteren.

Een andere uitdaging die we beginnen te zien emergeren is cyberaanvallen die steeds meer geïntegreerde apparatuur en machines in slimme fabrieken targeten. PwC organiseerde onlangs een webcast, in samenwerking met de National Association of Manufacturers in de VS en Microsoft om dit te bespreken.

Wat zijn de huidige trends in AI en Big Data in manufacturing?

• We zien bedrijven iets meer focus leggen op het toevoegen van AI-oplossingen aan kernproductieprocessen zoals engineering, assemblage en kwaliteitstesten
• Veiligheid is van significante belangrijkheid, met technieken geadopteerd in protocol adherence capabilities (bijvoorbeeld veilige afstand behouden van specifieke machines) die worden geadopteerd in meer alledaagse scenario's voor COVID-19 protocol adherence
• Er is aanzienlijk belangstelling in predictive maintenance voor grote machines betrokken bij manufacturing-processen, en ook toeleveringsketen-optimalisatie

Wat ziet u gebeuren in de AI en Big Data-industrie in manufacturing in de komende 12-18 maanden?

Eerlijk gezegd, ik denk dat we een voortzetting zullen zien van waar we al de afgelopen 12-18 maanden naartoe gingen. AI en data worden al in manufacturing gebruikt, maar dit gebruik krijgt niet zoveel aandacht in de media als, zeg, healthcare, maar de succesverhalen zijn er, en ze zullen doorgaan naarmate operaties hun digitale reizen voortzetten.