VCM2023_03 HR

PRODUCTIEMANAGEMENT

de band rolt een eigen unieke, digitale weergave. De digi tale tweeling bootst de eigenschappen van het product in de fysieke wereld na in digitale vorm. De informatie die de digital twin omvat, is uiteraard afhankelijk van het beoogde gebruik. Zo zijn er dus verschillende twins mogelijk: voor simulatie, monitoring, kwaliteitsmanagement, montage, enzovoort. Leren van AI De technische stappen en uitdagingen in de transitie richting smart production zijn één zaak. Om de impact ervan op de hele organisatie te maximaliseren, benadrukt Flanders Make het belang van een raamwerk voor bedrijven om kennis over te dragen bij de medewerkers. “Kennis creëren en overdragen tussen verschillende departementen van de organisatie, zorgt ervoor dat die kennis gewaarborgd blijft en dat bedrijven zich steeds verder kunnen specialiseren”, klinkt het. Bij de introductie van AI in het productieproces is dat niet anders. Om je te verzekeren van impact en schaalbaarheid in de organisatie, volstaat het niet louter te focussen op data, infrastructuur en talent. Het is ook belangrijk, en misschien zelfs nog belangrijker, om het leren van en met AI te facili teren, en dus niet enkel te focussen op het ‘trainen’ van de AI-systemen zelf. Maar hoe gaat dat concreet in zijn werk? Hoe breng je leren van en met AI in de praktijk? Het gaat hier om het werken met artificiële intelligentie op zich, maar evengoed draait het om de manier waarop mensen en systemen elkaar beïnvloeden om zich aan te passen aan veranderingen in het productieproces. Die interactie tussen mens en computer kan op verschillende manieren vorm krijgen. Zo kun je het AI-systeem aanbevelin gen laten maken en een medewerker laten beslissen om die al dan niet toe te passen. Evengoed kun je ervoor kiezen het systeem menselijke oplossingen te laten beoordelen. Hoe meer interacties er zijn, hoe hoger het rendement is dat je uit het gebruik van AI kunt halen. Productie-intelligentie De integratie van AI in productieprocessen kan meteen voor impact zorgen en helpen om specifieke processen te stroom lijnen. De introductie van data en AI is daarbij nog maar het begin. De opkomst van AI valt namelijk samen met de intro ductie van kennis op basis van modellen, waarbij simulaties tonen hoe systemen in bepaalde situaties werken.

“Door de verzamelde gegevens van elk proces te combineren met de kennis die voortkomt uit het simuleren van processen in computermodellen, kunnen we slimmere en betrouwbaardere AI-toepassingen ontwikkelen voor de industrie”, klinkt het bij Flanders Make. In dat geval spreken we van ‘production intel ligence’ of productie-intelligentie. Het onderzoekscentrum schat dat het gebruik van productie-intelligentie de kansen van bedrijven om tot marktleider uit te groeien, verhoogt van twee procent naar 73 procent.

De integratie van productie-intelligentie in het productiepro ces verloopt bij bedrijven volgens drie cruciale fases:

• Fase 1 : een strategie definiëren, de benodigde infrastruc tuur opzetten, zorgen voor kwalitatieve toegang tot data, talent opleiden en aantrekken, en de eerste tests opzet ten en uitvoeren. • Fase 2 : de uitrol van pilootprojecten, gebaseerd op productie-intelligentie, om ze later uit te breiden naar de volledige productie, andere producten of functionaliteit.

• Fase 3 : de interactie tussen systeem, mens en domeinken nis, als onderdelen van een zelfversterkend leerproces.

De weg voorwaarts Productie-intelligentie geeft bedrijven een belangrijke sleu tel in handen om met de eerder besproken uitdagingen om te gaan. Enkel gebruik maken van data heeft zijn tekortkomingen, zo zagen we. Dankzij simulaties op basis van modellen, aange vuld met specifieke domeinkennis, kunnen we AI-systemen opzetten die betrouwbaarder, voorspelbaarder en accurater zijn. Volgens Flanders Make is productie-intelligentie de weg voor waarts voor de toepassing van artificiële intelligentie in de maakindustrie. Het onderzoekscentrum kent verschillende cases waarbij het AI-toepassingen op verschillende manieren ontwikkelde, gebruikt en integreert. Voorbeelden zijn onder meer orderpicking en navigatie met behulp van computervi sie, de inzet van robots die zich bewust zijn van de omgeving en de vaardigheden van de operatoren, smart scheduling, het ontwerpen van slimme controllers, verbeterd gebruik van mate rialen, enzovoort. Feit is dat we ons met het gebruik van AI nog maar aan het begin van een tijdperk bevinden. Maar dat de mogelijkheden zo goed als onbegrensd zijn, is nu al duidelijk. FF

29

VALUE CHAIN MANAGEMENT - MAART 2023