AI in de productie ontrafeld: Evidence-based strategieën voor investeerders

De uitdaging van de innovatie-agenda

Fabrikanten worstelen met de huidige 'innovatie-agenda'. Vandaag de dag staan het Industrial Internet of Things (IIoT), robotautomatisering en kunstmatige intelligentie (AI) allemaal te poppen als de volgende grote doorbraak. Toch zijn degenen op de werkvloer van de productie terughoudend om innovatie te omarmen – en dat met recht. Te vaak blijken verwachtingen onwaar, kapitaalinvesteringen verloren, en experimenten vertalen zich niet in winst.

Veel bedrijven hanteren daarom een afwachtende houding. Ze wachten tot marktleiders, met grotere budgetten, uitvinden hoe deze nieuwe technologieën levensvatbaar te maken, en zo de rest van de markt opvoeden. Maar AI is anders. Industriële AI richt zich op het gebruik van data van machines en sensoren om intelligente voorspellingen te doen en operationele besluitvorming te automatiseren. Fabrikanten kunnen het zich niet permitteren te wachten met de implementatie van industriële AI – de beloningen zijn te groot. Ondanks de mythen eromheen, is industriële AI een zeldzaam voorbeeld van betaalbare innovatie zonder inherenten tekortkomingen. Laten we de mythen één voor één bekijken.

Myth #1: AI is duur

Hoewel alle innovaties het potentieel hebben om de productie te verbeteren, vereisen ze vaak grote investeringen. AI kan echter tastbare resultaten boeken zonder significante investeringen. Het geheim ligt in het weten hoe je het toepast en het benutten van de R&D-inspanningen die internetbedrijven al hebben gedaan. De algoritmes die door Amazon en Netflix worden gebruikt, kunnen nu worden overgezet naar offline shopfloor-implementaties. Voor fabrikanten is de zware klus – het ontwikkelen en testen van de kerntechnologie – al gedaan en betaald.

Fabrikanten moeten wel begrijpen waar op de shopfloor AI het beste toegepast kan worden. Laat u niet misleiden door het futuristische idee van 'verbonden fabrieken'. AI kan in een veel minder exuberante, heel praktische vorm komen: het optimaleren van bestaande processen met bestaande data. Gegeven de traditionele processen in de productie – vastgelegde werkstromen, 24/7-operaties, en lange levenscycli van apparatuur – heeft AI genoeg aan drijfveren.

Dit zal de AI worden die we leren kennen. Onzichtbaar geïntegreerd, zal het gebieden verbeteren als grondstofuitgaven, energie-efficiëntie en doorlooptijd met nauwkeurigere besluitvorming op elke stap. Bovendien is geen kapitaaluitgave of nieuwe hardware vereist.

Myth #2: AI levert alleen op lange termijn echte resultaten

Niet alleen de voorafgaande kosten zijn een angst bij investeringen in innovatie. Zorgen over de tijd die nodig is voor een return on investment (ROI) kunnen technologische ambities overschaduwen. In de productie kan de implementatie van innovatieve technologie jaren duren, met een ROI die soms in decennia wordt gemeten. Andere prioriteiten komen tussen en managers raken minder gemotiveerd als de eindresultaten niet gegarandeerd zijn.

De situatie is anders met industriële AI. Het bouwen van AI-gebaseerde modellen duurt maanden, niet jaren. Testen om de resultaten van AI op continue processen te meten, vereist slechts dagen of weken. Eenmaal toegepast, genereert het model direct waarde door resultaten te produceren die verdere strategische veranderingen sturen.

Myth #3: AI verstoort bestaande processen

Menselijk zijn van nature voorzichtig voor verandering, vooral als het een proces betreft dat al werkt. Eén verandering leidt vaak tot een andere, en zoals ervaren managers weten, kan het integratie- en adoptieproces uitdagend zijn, zelfs als de technologie werkt. Echter, wanneer AI wordt gebruikt voor optimalisatie, geldt dit niet.

Waar AI voor optimalisatie wordt ingezet, is er geen noodzaak om de productielijn te herbouwen of personeel te trainen voor nieuwe procesbesturingen. Complexe IT-integratieprojecten – vaak de oorzaak van frustratie bij CIO's en eindgebruikers – zijn niet nodig. In plaats daarvan worden dezelfde bedrijfsprocessen uitgevoerd op dezelfde manier, maar veel efficiënter. Bijvoorbeeld kan AI de beste bedrijfsmodi van machines of het exacte benodigde hoeveelheid grondstoffen voorstellen, allemaal in dezelfde interface die operators al gebruiken. Het enige wat door AI beïnvloed wordt, is de nettowinst van de fabrikant.

AI staat al lang op het radar van de productie. Maar vandaag, met voldoende rekenkracht en cruciale data beschikbaar, kan AI effectief worden nagestreefd. Er zijn weinig redenen om een AI-project uit te stellen; de technologie is er al en vrees voor innovatie is niet van toepassing. In het geval van AI is er echt geen tijd als het heden.