Kunstmatige intelligentie: noem me niet dom
Gepubliceerd op 8 februari 2023 in Operational Excellence
Tien jaar geleden was ik best trots op hoe slim de machines in onze eigen fabriek waren. Nu, met mijn huidige definitie van slim, besef ik dat ze eigenlijk nogal dom waren.
Waarom? Omdat ze weliswaar deden waarvoor ze waren ontworpen, maar zodra ze iets onverwachts of ongewoons tegenkwamen, waren ze het spoor bijster. Ze namen hun toevlucht tot de vraag aan de operator "wat is er mis met mij?".
Problemen oplossen en machines weer aan de praat krijgen vraagt om slimme mensen. Hoogopgeleide operators. Ervaren software- en hardware-engineers.
Het probleem is dat deze mensen in de afgelopen tien jaar steeds minder beschikbaar zijn geworden. Er is gewoon niet genoeg nieuw talent dat de sector binnenkomt om het aantal werknemers dat de pensioengerechtigde leeftijd bereikt te compenseren. Als ze het bedrijf verlaten, nemen de gepensioneerden hun hardverdiende kennis mee die het resultaat is van jarenlange ervaring. Met elke vertrekkende medewerker worden bedrijven geconfronteerd met het vooruitzicht van een minder productief en minder deskundig personeelsbestand.
Geen domme vragen meer...
De voor de hand liggende oplossing is dat machines slimmer worden, zodat ze geen domme vragen meer hoeven te stellen. Machinebouwende engineersystemen die zelf kunnen achterhalen waarom ze zijn gestopt of waarom er een probleem is.
Dit gebeurt al in zekere mate. Het gebruik van sensoren, zodat bijvoorbeeld de kartonneermachine de operator kan vertellen dat de blanco's op zijn.
Met sensoren alleen komt u echter niet ver. Om de autonomie van het systeem naar een hoger niveau te tillen, is kunstmatige intelligentie (AI) vereist, zodat machines slimme algoritmen kunnen gebruiken die geavanceerde analyses kunnen uitvoeren die meer lijken op menselijke hersencircuits.
Er wordt veel gesproken over het gebruik van AI om menselijke denkprocessen in industriële toepassingen te emuleren, maar praktijkvoorbeelden van bedrijven die de waarde van AI succesvol kunnen benutten, zijn schaars.
Veelvoorkomende AI-valkuilen
Daar zijn twee belangrijke redenen voor: ten eerste trappen bedrijven vaak in de valkuil dat ze AI te algemeen toepassen en ten tweede weten ze niet hoe ze moeten omgaan met de explosie van gegevens die deze brede aanpak genereert.
Als u gaat kijken hoe AI in uw fabriek kan worden toegepast, moet u eerst vaststellen welk probleem u wilt oplossen of welke verbetering u wilt aanbrengen. Begin klein met een heel specifiek probleem. Vervolgens moet u de relevante gegevens verzamelen, wat geen gemakkelijke taak is. U moet er niet alleen voor zorgen dat u over de juiste gegevens beschikt, maar ook dat deze op het juiste moment worden opgeslagen en dat u geen gegevens mist. En u moet die gegevens analyseren.
De AI Controller van OMRON, de eerste AI-oplossing ter wereld die 'at the edge' werkt (met hardware die is gebaseerd op de Sysmac NY5 IPC en de NX7 CPU) zal dat allemaal voor u doen. Deze controller registreert de gegevens op microsnelheid en analyseert ze met behulp van patroonherkenning op basis van procesgegevens die rechtstreeks op de productielijn zijn verzameld. De controller is geïntegreerd in ons Sysmac-fabrieksbesturingsplatform en kan dus direct in de machine worden gebruikt, om efficiëntieverlies te voorkomen.
AI in actie
Als voorbeeld van deze aanpak werken we momenteel samen met een klant in de voedingsmiddelenindustrie om de integriteit van de afdichting te verbeteren. In plaats van te vertrouwen op de operator om te herkennen wanneer de afdichtkop niet naar behoren werkt, gebruikt de verpakkingsmachine AI om herhaalbare prestaties te handhaven. Door AI toe te passen in het afdichtingsproces, verlengen we de houdbaarheid met enkele dagen en het aantal defecte afdichtingen minimaliseren, waardoor het risico dat een volledige productbatch wordt afgewezen door retailklanten wordt geëlimineerd.
Machine-leren: overbruggen van de ervaringskloof
Tot nu toe heb ik het alleen gehad over het gebruik van AI om machines slimmer te maken. Het andere ontwikkelingstraject voor AI is het slimmer maken van mensen. Gegevens kunnen worden ontleend aan fysieke middelen (in dit geval zeer ervaren werknemers) en patroonherkenning kan worden toegepast. Eenvoudig gezegd: de ervaren operator traint de machine en de machine traint de onervaren operator.
In ons laboratorium experimenteren we momenteel met Ai-gestuurde machines die operators vragen om producten in elkaar te zetten en vast te leggen hoe ze dit doen om de slimste manier te ontdekken om deze taak uit te voeren, zodat deze techniek aan andere operators kan worden geleerd.
Een andere industriële toepassing voor machine-leren kan het gebruik van AI zijn om vast te stellen welke acties de operator moet uitvoeren op de machine. Als de handen van de operator bijvoorbeeld in de verkeerde richting bewegen, wordt er een waarschuwing gegenereerd.
Alleen slimme functies hebben het antwoord
Bedrijven die vergevorderd zijn in hun digitale transformatieproces, kunnen de waarde van AI het best benutten, of het nu gaat om het identificeren en trainen van best practices, het voorspellen van storingen of het bewaken van de bedrijfsomstandigheden. Bedrijven die aan het begin van hun reis staan, moeten zich er echter niet van laten weerhouden om AI te onderzoeken. Zorg er bij het bestellen van een nieuwe machine voor dat deze over de functionaliteit beschikt om gegevens te genereren voor AI-doeleinden. U hoeft niet te weten welke gegevens u nodig hebt, u hoeft alleen de juiste vragen weten te stellen aan uw machinebouwer. Begin ook klein en neem een stapsgewijze aanpak, het menselijk DNA heeft zich in de loop van miljoenen jaren ontwikkeld en het is dus onrealistisch om te verwachten dat machines het menselijk brein in enkele maanden kunnen evenaren.
Neem contact met ons op voor meer informatie