Het succesvol afronden van de testfase is slechts het topje van de ijsberg
De invoering van AI in de productie-industrie mislukt vaak tijdens de overgang van testfase naar regulier gebruik. Dit kan alleen worden vermeden met een holistische aanpak die rekening houdt met het hele spectrum van commerciële, technische en organisatorische aspecten
Neem nu een metaalverwerkingsbedrijf waarvan de processen in hoge mate geautomatiseerd zijn. Een magazijnsysteem levert het gevraagde plaatwerk en transportsystemen leveren het rechtstreeks aan de snijmachines. Vervolgens gaat het materiaal onder de ponsmachines en wordt geperst en gelast, waarbij na elke bewerkingsstap een kwaliteitscontrole plaatsvindt. Klinkt als een perfecte omgeving om de werkwijze via artificial intelligence (AI) te optimaliseren.
Toch zien we, als gevolg van de veranderde vraag van de klant, dat deze op regels gebaseerde automatisering steeds meer een probleem wordt. In de afgelopen jaren zijn de batchgroottes van het metaalbewerkbedrijf steeds kleiner geworden. Elk nieuw onderdeel dat gemaakt wordt, vereist een nieuwe run-in van de productielijn, en voor elke afzonderlijke processtap moeten parameters worden bepaald en getest. Deze inspanning doet de productiviteitswinst van de automatisering teniet.
De vierde industriële revolutie, hoe het begon
Tijdens het definiëren van autonome en zelforganiserende productiesystemen hielden de initiatiefnemers alle scenario’s in gedachten. Deze waardeketens zouden idealiter in staat moeten zijn om de effectiviteit van massaproductie te hebben, zelfs met een batchgrootte van 1.
Met dat vooruitzicht werd AI uitgeroepen tot de motor van de vierde industriële revolutie. Want AI maakt de stap van op regels gebaseerde automatisering naar situationele zelfsturing. Daarbij is alleen AI in staat om autonoom conclusies te trekken uit historische en real-time gegevens om adequaat, precies en snel te reageren op ongeplande gebeurtenissen.
Bedrijven onderschatten de systematische AI-uitdagingen
Enkele jaren en duizenden artikelen en analistenrapporten later, kan de situatie echter enigszins verwarrend overkomen. Terwijl de algemene AI-adoptie blijft toenemen - volgens McKinsey’s "State of AI in 2021" - loopt de productiesector nog steeds ver achter. Een belangrijke reden is dat een groot aantal AI-projecten niet verder komt dan een testfase. De oorzaken voor dit falen liggen dieper dan bijvoorbeeld een gebrek aan expertise of budget - in veel gevallen onderschatten productiebedrijven de systematische uitdagingen van de invoering van AI.
Het begint vaak bij de manier waarop de testen worden opgezet. Ze vinden meestal plaats in een beschermde omgeving en zijn gericht op het toepassen en trainen van de AI-modellen met data. Hierbij wordt vergeten om de AI-oplossing te integreren in de bestaande informatie- en productietechnologie en worden de bijbehorende processen vaak verwaarloosd. Dit omvat bijvoorbeeld real-time gegevens, beveiliging, operationele plannings- en controleprocessen en operationele veiligheid. Als gevolg van deze opzet levert het testproject geen serieus bewijs van de technische haalbaarheid, noch kan deze worden gebruikt om een solide business case te berekenen.
Een holistische aanpak voor de invoering van AI
Hoe saai en vervelend het ook mag klinken, de invoering van AI in de productie-industrie kan alleen succesvol zijn met een holistische aanpak. De testfase moet slechts het topje van de ijsberg zijn. Een holistische benadering bij de invoering van AI in de bewerk- en verwerkindustrie omvat onder andere de volgende aspecten;
- Waardecreatie - baten- en kostenanalyse
De toegevoegde waarde bij toepassing van AI wordt gecreëerd door informatie, inzichten en daaruit afgeleide (autonome) acties en processen. De beschikbare gegevens vormen hiervoor de basis. Waardecreatie-analyse evalueert enerzijds de voordelen van die gegevens, anderzijds bepaalt hetj de kwaliteit ervan. Bovendien wordt er bij een holistische benadering gekeken naar de daarmee samenhangende investeringen voor operationele productie - met inbegrip van proces-, technologie- en personeelskosten. Het resultaat is het bedrijfsmodel of de business case. - Proces - ontwikkeling van de AI-toepassing
Als de waardeanalyse tot een positief resultaat leidt, begint de ontwikkeling en invoering van de AI-toepassing. Hierbij moet een aanpak worden bedacht waarin alle relevante teams uit productie en operations en AI- en IT-experts samenwerken. Een duidelijk plan zorgt ervoor dat vanaf het begin rekening wordt gehouden met de integratie in de IT- en productieprocessen. - Architectuur - gegevens loskoppelen van de toepassingen
Helaas bevinden de benodigde processen nog vaak plaats in sterk gefragmenteerde IT- en productieomgevingen. Dat wil zeggen dat er geen continue toegang is tot tools en gegevens, dat processen niet op elkaar aansluiten en dat normen en geïntegreerde beveiligingsconcepten ontbreken. Een dergelijke omgeving is dodelijk voor elke AI-implementatie.
De basis voor de oplossing van dit probleem is de invoering van een datacentrische architectuur. In de kern ontkoppelt deze de gegevens van de applicaties die ze genereren door ze via een centrale gegevenshub te verwerken. - Competenties - interdisciplinaire samenwerking
In veel gevallen wordt de AI-testfase te eendimensionaal opgezet omdat ze wordt uitgevoerd door datawetenschappers die veel begrijpen van data en modellen, maar minder van processen in een fabriek. Voor een succesvolle invoering van AI is de juiste mix van vaardigheden uit verschillende afdelingen nodig om de IT- en productieprocessen te plannen, te ontwikkelen en uit te rollen. Een team bestaat uit de volgende rollen; bedrijfsanalisten, data scientists, specialisten in machinaal leren, data-ingenieurs, software-ingenieurs en ten slotte een projectmanager. Dit kunnen zowel mensen van uw eigen bedrijf zijn of van een dienstverlener.
Continue overgang van automatisering naar autonomie
Net als voor de meeste andere bedrijven is er voor het metaalverwerkende bedrijf nog een lange weg te gaan om de visie van volledig autonome productie te bereiken. Maar door de beschreven holistische aanpak zorgt het ervoor dat het daadwerkelijk vooruitgang kan boeken op dit pad.
Door: Marcel de Bont, Enterprise Architect & Presales Consultant bij HPE Nederland
