Enterprise AI drijft innovatie & stabiliteit in de staalsector

Met vooruitgang in technologie gedreven door kunstmatige intelligentie (AI) en de creatie van data lakes, komen organisaties de waarde ervan voor industriële productie te erkennen.

Enterprise AI kan inbeddend worden in fundamentele businessmodellen om besluitvorming te augmenteren. Het focust op uitkomsten in plaats van op de technologie zelf, wat een organisatie in staat stelt om data om te zetten in waardevolle inzichten voor het creëren van continue klantwaarde.

De metaalindustrie, een van de oudste in de menselijke beschaving, is de ruggengraat van moderne industriële groei. Staal is het populairste metaal in gebruik vandaag, en ijzer, het vierdet meest voorkomende element in de aardkorst, is de sleutelbestanddeel.

Volgens de Worldsteel Association steeg de wereldwijde ruwe staalproductie van 189 miljoen metriek ton in 1950 tot 1,8 miljard mt in 2018. Rapide groei de afgelopen twee decennia kwam van overcapaciteit geproduceerd in China, wat bijna 50 procent bijdraagt aan de wereldwijde staalproductie. De mismatched heeft grote storingen veroorzaakt in de industrie, vooral in de westerse wereld, toen Chinese fabrikanten begonnen hun overvoorraad tegen lage prijzen te exporteren.

Hoewel deze onevenwichtigheid waarschijnlijk zal voortduren, werken bedrijven aan efficiëntieverbetering door het moderniseren van hun ijzer- en staalproductietechnologieën. In het proces hebben ze geleidelijk de afhankelijkheid van menselijke arbeid verminderd, ten gunste van automatisering.

Een modern staalfabriek employs veel minder menselijke arbeid dan 25 jaar geleden. Tijdens een periode waarin de wereldwijde staalproductie met tweeënhalve keer groeide, heeft de industrie meer dan 1,5 miljoen werknemers afgebouwd.

De staal supply chain bevat enkele unieke elementen die kern zijn voor de industrie:

• Een multi-gesourced inbound supply chain. Mijnen genereren een continue stroom van grondstoffen. Echter, ijzererts komt in een verscheidenheid van vormen en kwaliteiten die vaak additionele verwerking vereisen voordat ze in eindproductverwerking bewegen. Dit kan resulteren in diverse staalkwaliteiten die niet noodzakelijk aan specifieke klantvraag gekoppeld zijn.
• Fout-gevoelige productie. Het ijzer- en staalproductieproces vereist een ononderbroken stroom van materialen tussen productiefases, inclusief hoogovens, basic oxygen oven, continuous caster en walzmolen. Het afsluiten en herstarten van een gegeven operatie tijdens het staalproductieproces kan duur zijn. Daarom moeten productie- en voorraedstroom gebalanceerd worden om herverhittingskosten te vermijden, changeovers te minimaliseren, en ongewenste opbouw van work-in-progress voorraden te elimineren.
• Een complex eindproduct opslag- en distributienetwerk. Opslag, tracking en distributie zijn kwetsbaar voor inefficiënties door de variërende kwaliteiten, gewicht en afmetingen van eindproducten. Bovendien zijn er beperkingen aan het gebruik van tracking-technologieën voor de staalindustrie, zoals radio frequency identification (RFID) tags die interfereren met de fysieke eigenschappen van staal.
• Meerdere verkoopkanalen. Traditioneel hebben staalbedrijven vertrouwd op een verscheidenheid aan indirecte verkoopkanalen, zoals dealers, agentschappen en servicecentra, allemaal dezelfde markten targettend. Staal OEM's hebben beperkte controle in de marktplaats, met minimale zichtbaarheid op eindconsumentvereisten. Bovendien vertragen indirecte kanalen het verkoopproces door meerdere handshakes en de opbouw van overhead, zoals agentschapscommissies. Met de komst van internetverkoop en directe verkoopkanalen, zijn e-marketplaces en e-auctions een populair middel geworden om transparantie te vergroten, verkoopcycli te verkorten en overhead te reduceren. Tegelijkertijd hebben e-marketplace platforms klanten gereed toegang gegeven tot marktdata en competitieve quotes voor gespecificeerde kwaliteitseisen. Dit heeft geresulteerd in een proliferatie van staalkwaliteiten, 75 procent waarvan in de afgelopen 20 jaar ontwikkeld zijn. Het voldoen aan klantvereisten met de kortste order-fulfillment cyclus en meest competitieve prijs zijn sleutels geworden voor het verkoopproces.
• Een gecommoditiseerde en volatile markt. In de staal supply chain zijn zowel grondstoffen als eindproduct gecommoditiseerd. Daarom is het bedrijfsleven blootgesteld aan prijsvolatiliteit op zowel vraag- als aanbodpunten, wat resulteert in verminderde winstgevendheid.

Enterprises genereren dagelijks grote volumes data, en het groeit exponentieel. Data komt in zowel gestructureerde als ongestructureerde vormen. Naarmate in-memory computing, opslag, en digitale technologieën betrouwbaarder en betaalbaarder worden, gebruiken veel metaalbedrijven ze om geavanceerde analytics te ontwikkelen en procesinzichten te verkrijgen. Tot nu toe hebben de meeste van die inspanningen echter een organisatie-brede visie in de vorm van geïntegreerde supply chain strategieën gemist. De staalindustrie heeft Significant ruimte om te profiteren van het verbeteren van zijn digitale vaardigheden.

Een digital twin is de virtuele replica van fysieke supply-chain processen, en de ruggengraat voor cyber-fysieke integratie. Het zorgt voor de naadloze overdracht van data tussen digitale werelden en fysieke entiteiten. Om enterprise AI te enable, zijn de volgende attributen van digital twins noodzakelijk:

• Een ecosystem commerce platform voor informatie-uitwisseling met alle interne en externe zakelijke partners, door commercieel beschikbare off-the-shelf software.
• Listening platform en informatie-abonnement, om informatie vast te leggen buiten de grenzen van directe controle.
• Fysieke apparatuur connectiviteit en event capture via Internet of Things (IoT) apparaten. De digital twin zorgt voor continue, realtime dataverzameling op diverse supply-chain knopen, zoals ertsopslag (door mijnwerkers, leveranciers en scheepsexploitanten), productie (door cokesoven, sinterinstallatie, hoogovens, caster en molen), productopslag en distributie (door terrains en vrachttransporteurs), en verkoopkanalen (inclusief e-marketplaces, servicecentra en dealers).

Een big-data lake is de enkele opslagplaats voor alle enterprise data in zijn native formaat. Het kan gebruikt worden voor diverse doeleinden, zoals data science-gedreven geavanceerde analytics en machine learning. Voor staalbedrijven kan een big-data lake ongerelateerde business data van diverse supply-chain knopen opslaan, inclusief putten, terrains, hoogovens, casters en molens, in ruwe formaten. Big data kan gebruikt worden om inzichten te verkrijgen in de volgende gebieden:

• Marktinformatie, samengesteld uit informatie over macro-economie, monetaire beleid, tarieven, metaalbeurzen, commoditeitsprijsfluctuaties, concurrentinformatie en geopolitieke situaties.
• Staalfabriek data, met details over capaciteit en operaties op verschillende stadia, zoals ijzer- en staalproductie, terrainmanagement, en transport.
• Business plan data, inclusief productie- en verzendplannen.
• Partner ecosystem data, gegenereerd door externe stakeholders zoals klanten, agentschappen, servicecentra, mijnwerkers, vrachtvervoerders en scheepsexploitanten. Het partner ecosystem zou toegang moeten bieden tot data in een multi-enterprise business network (zoals een ecosystem commerce platform) van externe organisaties met wie staalbedrijven zaken doen.

Enterprise AI omvat de volgende functies:

• Waarnemen van events op diverse stadia in de staal supply chain. Voordat een staalproduct de deurstap van de consument bereikt, moet het een volledige productielevenscyclus ondergaan. Terwijl bulk ijzererts geconverteerd wordt in discrete staalproducten, bewegen grondstoffen door meerdere apparatuur- en processtappen. Elke storing of verandering in een willekeurig deel van de supply chain zal een grote impact hebben op andere fasen van productie. Een digital twin, met geassocieerde attributen zoals IoT, zal de veranderingen onmiddellijk herkennen en de data verzamelen voor verdere analyse.
• Analyseren van events en bepalen van hun impact op key performance indicators (KPI's) op verschillende tijdhorizonnen. Eenmaal event data verzameld, wordt een geavanceerd analytisch platform getriggerd om mogelijke invloeden op geplande activiteiten te identificeren. Deze stap creëert talloze "what-if" scenario's in een fractie van een seconde, wat vergelijking van uitkomsten van mogelijke veranderingen doorheen het supply-netwerk toelaat. De assessment kan impact bepalen op diverse KPI's binnen de planning horizon.
• Aanbevelen van alternatieve oplossingen. Terwijl dataverzameling en analyse essentieel zijn, ligt de echte waarde van enterprise AI in de capaciteit om de volledige omvang van impacten te analyseren, en geassocieerde aanbevelingen te geven. Als de impact boven de drempel van bepaalde KPI's uitsteekt, kunnen business rules en lessen uit eerdere cognitieve ervaring enterprise AI helpen om oplossingen aan te bevelen die gewenste zakelijke resultaten leveren. Zulke aanbevelingen moeten invloeden over het supply-chain netwerk overwegen, en optimale plannen aanbevelen.
• Optimaliseren van uitkomsten door continue cognitieve leerprocessen. Een big-data lake levert inzichten via data science. Enterprise AI gebruikt de informatie om de continue optimalisatie van uitkomsten mogelijk te maken. Een big-data lake is een massa ongerelateerde informatie die het leven van een mens zou kosten om te begrijpen. Zonder structuur kan deze informatie niet voor zakelijke doeleinden gebruikt worden. Data-science technieken kunnen ongestructureerde data filteren binnen specifieke zakelijke dimensies, zoals tijdsframe, geografie en product, en verborgen verbindingen ontdekken om continue zelfleren mogelijk te maken.

Enterprise AI drijft betrouwbaarheid, efficiëntie en productiviteit in de staalindustrie door reductie van handmatige arbeid, vervangend het met machine-to-machine connectiviteit en prescriptieve analytics. Het kan elementen waarnemen zoals marktinformatie, vraagvolatiliteit, en storingen in productie en supply. Het industriële gebruik van AI-technologieën, samen met investeringen in big-data lakes en digital twins, belooft staalbedrijfen te transformeren in meer responsieve en winstgevende operaties. Een pragmatische blik op enterprise AI kan de staal supply-chain efficiënties dramatisch verhogen, leidend tot verminderde voorraaddragkosten en verkorting van time-to-market in de volatile staalmarktplaats.

Hiranmay Sarkar is een managing partner met Tata Consultancy Services' (TCS) Consulting and Services Integration Practice.