Kleine fabricanten benutten AI voor lean operaties en efficiëntie

Kunstmatige intelligentie wordt breed erkend als een cruciale component van wat breedweg wordt aangeduid als Industrie 4.0. Hoewel nog onduidelijk is hoe AI precies geïntegreerd zal worden in de volgende fase van de Industriële Revolutie, is men het over het algemeen eens dat het grotere connectiviteit tussen mensen, machines en IT mogelijk maakt, waardoor fabrikanten processen beter kunnen optimaliseren en problemen kunnen voorspellen.

Hoe kunnen kleine en middelgrote fabricanten (KMF's), die doorgaans niet over de tijd of het kapitaal beschikken om emergente technologieën te testen, evalueren hoe AI hun organisatie kan beïnvloeden — en een rol spelen in hun voorbereiding op Industrie 4.0?

Wachten tot de productiesector "beslist" is geen optie. Een vertraging van één, twee of vijf jaar kan ertoe leiden dat een fabrikant achterblijft. De tijd om te handelen is nu, maar de weg vooruit is niet helder.

Een manier om dit aan te pakken is AI te evalueren door middel van een lopende transformatie die veel KMF's al omarmen: lean manufacturing.

Het "Continu" in Continu Verbetering met Kunstmatige Intelligentie

Centraal in de lean-filosofie staat het idee van continue verbetering. Het is een toewijding aan lopende verandering. Om lean te doen, moet de bereidheid om te veranderen te allen tijde behouden blijven, zodat wanneer een verbeterkans geïdentificeerd wordt, deze snel geïmplementeerd kan worden.

Lean-verbeteringen verlopen via interventies. Als een probleem geïdentificeerd wordt, zeg in een proces, wordt het werk gestaakt. Teamleden worden opgeroepen om te observeren, conclusies te trekken, oordelen te vellen en uiteindelijk acties te ondernemen die de oorzaak van het probleem aanpakken. Deze intermitterende werkwijze is hoe lean werkt, hoewel de stop-start-ritme fundamenteel in tegenspraak lijkt met het idee van continue verbetering. Het is wat momenteel haalbaar is — of ten minste menselijk mogelijk.

Nu, wat als je het werk niet hoeft te staken om een lean-operatie uit te voeren? Wat als je de grootste deel van het fundamentele lean-proces (observeren, conclusies trekken, oordelen vellen, actie ondernemen) kunt uitvoeren terwijl het werk doorgaat, waardoor het lean-proces continuër wordt? Dit is een van de belangrijkste beloften van AI voor productieoperaties van elke schaal.

Waar Lean Operaties met Kunstmatige Intelligentie Kunnen Starten

Kunstmatige intelligentie is een veelomvattend vakgebied dat een breed scala aan technologieën omvat — van algoritmen die leren uit datasets tot robots die lijken op sciencefiction.

Voor kleine fabricanten is het type AI waar ze zich primair op moeten richten een subdiscipline genaamd machine learning. Zoals Amit Manghani definieert in zijn "A Primer on Machine Learning:"

Manghani schetst vier typen machine learning, die allemaal toepassingen voor lean manufacturing kunnen hebben. Dit veronderstelt wel dat een kleine fabrikant bereid is te investeren in de rekenkracht om de benodigde data beschikbaar te maken voor computationele analyse:

1. Gesuperviseerde machine learning
2. Ongesuperviseerde machine learning
3. Semi-gesuperviseerde machine learning
4. Versterkende machine learning

Laten we elk van deze vier kansen om machine learning toe te passen op lean manufacturing nader bekijken:

1. Gesuperviseerde Machine Learning

Bij gesuperviseerde machine learning parseren algoritmen binnenkomende data en wijzen ze labels toe aan elk datumpunt dat aan vooraf gedefinieerde criteria voldoet. Lean-fabrikanten zouden zo'n techniek kunnen gebruiken om kwaliteitscontrole voor complexe onderdelen te automatiseren, mits relevante onderdeeldata vastgelegd en beschikbaar gemaakt kan worden voor het algoritme.

2. Ongesuperviseerde Machine Learning

Bij ongesuperviseerde machine learning zijn er geen vooraf bepaalde antwoorden die een algoritme kan gebruiken om data te sorteren. In plaats daarvan moet het algoritme observeren en evalueren van data terwijl die opbouwt, patronen identificeren en emergente labels creëren. Dit type machine learning kan door lean-fabrikanten worden gebruikt om een productiemachine — of een reeks genetwerkte machines — te monitoren op ongebruiklijk gedrag en daarmee een storing te anticiperen.

3. Semi-gesuperviseerde Machine Learning

Zoals de naam aangeeft, mengt semi-gesuperviseerde machine learning gesuperviseerde en ongesuperviseerde benaderingen. In een semi-gesuperviseerd scenario zijn er enkele bestaande labels voor data. Andere criteria worden ook door het algoritme ontwikkeld over tijd met behulp van menselijke supervisie. Een semi-gesuperviseerd scenario kan nuttig zijn voor het optimaliseren van herhalende onderdeelproductie, potentiële zowel onderdeel- als procesafval te elimineren.

4. Versterkende Machine Learning

In een versterkend scenario projecteert een algoritme welke actie, uit een set mogelijke acties, de hoogste beloning zal opleveren. KMF's die betrokken zijn bij een lean-transformatieproces, zouden dit type machine learning kunnen gebruiken om verschillende paden naar door hen geplande procesgerichte veranderingen te wegen.

Machine Learning Kan Lean Manufacturing Aanvullen

Door te focussen op machine learning, kan men zien hoe er toepassingen voor AI zijn die nuttig en toegankelijk zijn voor de meeste fabricanten, ongeacht hun grootte. In sommige gevallen kunnen stukjes van de puzzel al beschikbaar zijn in de vorm van data verzameld door al geïnstalleerde machinesensoren, bestaande IT- en operationele technologie (OT) infrastructuur.

Naarmate KMF's beginnen na te denken over toepassingen voor AI, is het belangrijk te onthouden dat geen van deze scenario's de beschikbaarheid van banen voor mensen automatisch bedreigt. Eerder kunnen deze ideeën op een manier worden nagestreefd die complementair is aan een werknemer-empowerende lean-proces, door werknemers toegang te geven tot realtime informatie en betere tools voor on-the-job probleemoplossing en uitvoering.

Een nuttige analogie is de huidige autosensortechnologie, die de bewustzijn en percepties van menselijke chauffeurs aanvult. Niet alleen verbetert deze technologie de veiligheid, het zorgt er ook voor dat er minder wrijving is in het algehele rijsysteem door het gedrag van iedereen op de weg af te stemmen. Op deze manier haalt autoveiligheidstechnologie niemand uit de rijvergelijking — ze maken rijden een veiliger en efficiëntere ervaring.

Als we dit perspectief aanhouden, kan AI worden gezien als nog een tool in de lean-toolbox — al een die het potentieel heeft om erg krachtig te zijn.