• 26 april 2023
  • Leestijd: 6 minuten

AI in de maakindustrie: voorkom een Sherlock Holmes syndroom

Techcafe AI impressie klein

Artificial Intelligence speelt een steeds grotere rol in de maakindustrie. Door middel van het verzamelen, analyseren en toepassen van data kunnen bedrijven efficiënter werken, kosten besparen en producten van hogere kwaliteit leveren. Denk daarbij bijvoorbeeld aan voorspellend onderhoud, kwaliteitscontrole, supply-chain optimalisatie, robotica-toepassingen of slimmer productontwerp. Door gebruik te maken van deze technologieën kunnen bedrijven hun concurrentiepositie verbeteren en beter inspelen op de veranderende eisen van de markt.

Op 20 april nam het Mikrocentrum Techcafé een publiek uit de high tech maakindustrie mee in de wereld van AI. Wat kunnen we er mee in het productiebedrijf? Waar moeten we beginnen, of zijn we al begonnen? Maarten Roos ging in gesprek met 4 experts:

  • Albert van Breemen - CEO/CTO bij VBTI
  • Hugo Ploegmakers - Director of Product bij AM-Flow
  • Frans Fonville - Lecturer van de Master Digital Technology Engineering, Fontys Hogescholen
  • Sjoerd van Agtmael - FMI ImProvia

 

Artificial Intelligence is booming

Het lijkt wel of iedereen tegenwoordig bezig is met kunstmatige intelligentie. Was het eerst voorbehouden aan webtech ondernemingen als Google en Meta, inmiddels is deze technologie ook doorgedrongen in de wereld van de maakindustrie. “Digitale technologie wordt vaak aangejaagd door big tech, waarna we daar als samenleving op reageren”, zegt Frans Fonville. “We kijken als maatschappij hoe we het kunnen inpassen en er ons voordeel mee kunnen doen. Maar nu zijn we zover dat we die digitale technologie zelf gaan gebruiken. Dat is een andere richting. Geen technologie-push meer maar andersom; we gaan het zelf invullen en inbedden. Het startpunt is daarbij vaak een doelgroep die je met behulp van digitale technologie kunt helpen.”

AI voor de maakindustrie

Maar hoe werkt dat dan voor de maakindustrie? Bij AM-Flow is er inmiddels veel ervaring mee opgebouwd. Hugo Ploegmakers: “Wij hebben jarenlang gezocht naar manieren om de controle op de kwaliteit van de vele duizenden producten die met 3D printing gemaakt worden te kunnen controleren. Heel lang werd dat handmatig gedaan, maar dat is natuurlijk een enorme klus. Wij hebben met AM-Flow uiteindelijk een model weten te creëren dat in 0,2 seconden in staat is op basis van vision en machine learning elk voorwerp te checken. Een mens zou daar pakweg een halve minuut voor nodig hebben, dus die business case is snel duidelijk.” AM-Flow gebruikt daarbij zowel eigen data als die van de klant. “En als we niet genoeg data hebben, proberen we die te genereren, bijvoorbeeld met de inzet van extra camera’s.”

AM-Flow heeft een model dat in 0,2 seconden in staat is op basis van vision en machine learning elk voorwerp te checken. Een mens zou daar pakweg een halve minuut voor nodig hebben, dus die business case is snel duidelijk” Hugo Ploegmakers, AM-FLow

Toch is de kwaliteit van het resultaat zeker niet alleen afhankelijk van de hoeveelheid camera’s of sensoren, zegt Fonville. “We denken soms dat we door eerst in het wilde weg data te verzamelen en daar vervolgens als een soort Sherlock Holmes op los te gaan vanzelf bij het beste resultaat komen, maar dat is niet zo. Niet alleen kost zo’n methode vaak veel tijd en geld, maar het is gewoon ook effectiever om eerst te kijken naar welke sensoren elementair zijn voor het onderhouden van je systeem. Je wilt weten welke sensoren meerwaarde hebben en wat de samenhang is tussen waar je in geïnteresserd bent en wat je meet. Ga dus niet zomaar alles volhangen met sensoren, maar begin klein en denk slim na.” Daar kan Sjoerd van Agtmaal zich helemaal in vinden. “Dat goede en vertrouwde 6Sigma is op dit punt zo slecht nog niet. Je kunt het altijd later nog uitbreiden, maar juist door klein te beginnen krijg je het beste resultaat.”

Sterke en minder sterke kanten van Artificial Intelligence

Daarbij komt ook dat je leert snappen waar de sterke en minder sterke kanten van AI liggen en wat dat betekent voor de manier van inzet in jouw bedrijf, vult Albert van Breemen aan. “Definieer dus je doelen. AI is mooi, maar alleen als je weet hoe je het wilt inzetten. Gebruik je het bijvoorbeeld om een bepaald vacatureproces te begeleiden, zorg er dan voor dat je dat niet alleen doet met de data uit oude selectieprocessen. Want dan gaat algoritme werken zoals het vroeger was, terwijl je iemand zoekt die past bij de ontwikkelingen die nog moeten komen.” Voor een maakbedrijf is dat soms lastig om te begrijpen, aldus Van Breemen. “AI is een vakgebied met allerlei vertakkingen. Bij ons werken nu twintig mensen met allemaal hun eigen deel-expertise. Het is niet zo dat je met beetje python- en google-ervaring een AI-expert kunt zijn. Voor de hoge performance eisen van de high tech industrie is meer nodig dan wat basiskennis. Je kunt dan hooguit op 90% komen, terwijl 99,99999% nodig is.”

Definieer je doelen. AI is mooi, maar alleen als je weet hoe je het wilt inzetten” Albert van Breemen, VBTI

Met VBTI is Van Breemen inmiddels in diverse industrieën actief. Tuinbouw is er daar een van: dankzij algoritmes op basis van beeldherkenning kunnen robots precies de juiste vruchten plukken of blaadjes knippen. Van Breemen: “In een kas is elk detail anders, de variatie is extreem. Een traditioneel algoritme kan dat niet aan, maar AI wel, mede dankzij de zelflerende aspecten. Daarmee halen we een bottleneck weg die er al jaren zat. En kunnen we banen waar weinig animo voor is - zoals die van bladknipper - eindelijk goed automatiseren.”

Voorwaarde voor zinvolle inzet AI

Variatie is daarmee een belangrijke voorwaarde voor het nuttig inzetten van AI in de maakindustrie. In de meeste delen van de maakindustrie is zo’n aanpak vanwege de eenvormigheid en voorspelbaarheid van het proces nog niet aan de orde, zegt Van Breemen. “Maar als ook daar meer variatie komt, zoals bij de tienduizenden verschillende producten die AM-Flow wil monitoren, dan komt AI wel degelijk in beeld.” Van Agtmaal kan zich daarin vinden. “ Op industrieel vlak moeten we ons blijven afvragen of de machine zelflerend kan worden; of een AI de machine kan gaan besturen. Daar moeten echt nog wel richtlijnen en waarborgen komen rond kwaliteit en veiligheid.”

Ook al zal AI dan misschien her en der banen veranderen en sommige misschien zelfs overbodig maken, dat betekent nog niet dat het een structureel gevaar vormt voor de werkgelegenheid, zo stelt het panel vast. Daarvoor is de maakindustrie nog te veel een groeimarkt, met erder een probleem om voldoende talenten te vinden dan dat er sprake zou zijn van verdwijnende banen. Maar dat laat onverlet dat er veel kan veranderen. Ploegmakers: “We moeten echt wel zorgen dat de mensen die digitaal minder bedreven zijn niet aan de kant komen te staan.”

Korte terugblik

Kijk hier de korte samenvatting van het Techcafé AI terug:

Kom je ook naar het volgende Techcafé?

Dé plek om ongedwongen nieuwe contacten op te doen én te sparren over actuele tech onderwerpen

Bekijk volgende editie

Over de schrijver

Bart Brouwers

Uitgever | Innovation Origins