Het is inmiddels zeven jaar geleden dat de oprichter van het World Economic Forum, Klaus Schwab, de term “vierde industriële revolutie” (4IR) uitsprak op een conferentie in Davos. Toch is de hype rond het potentieel, hoe het eruit zou zien en wanneer het zou komen sindsdien niet gestopt.
In zijn boek met dezelfde titel omschrijft Schwab de 4IR als “een technologische revolutie die de grenzen tussen de fysieke, digitale en biologische sferen doet vervagen.”
Nu we steeds afhankelijker worden van technologieën zoals kunstmatige intelligentie en deze een grotere rol in ons leven gaat spelen, beschouwen velen de 4IR niet langer als iets van de toekomst, maar staan ze erop dat die er nu al is – de volgende stap is vertrouwen in AI opbouwen om de adoptie te versnellen. Meer over het revolutioneren van besluitvorming met AI hoor je in ons aparte webinar.
De opkomst van AI in de industrie
AI is een van de grootste buzzwords van de eenentwintigste eeuw, met het grootste deel van de aanjaging in het afgelopen decennium. Ondanks de relatief recente push voor de ontwikkeling van kunstmatige intelligentie, gaan de oorsprongen terug tot het midden van de twintigste eeuw.
De Turingtest
In 1950 bracht Alan Turing het concept van kunstmatige intelligentie in het bewustzijn van de mensheid. In lijn met zijn ideeën ontwikkelde hij de Turingtest om vast te stellen of machines kunnen denken op een vergelijkbaar niveau als mensen of daar zelfs bovenuit. Helaas waren er richting eind jaren 60 weinig doorbraken, wat bekend werd als de eerste “AI-winter” door een gebrek aan financiering voor onderzoek en ontwikkeling van AI.
Robots betreden de maakindustrie
Toch werden, stilletjes op de achtergrond, aspecten van AI geïntegreerd in de productie, ondanks de geringe groei in die periode. Zo werd in 1978 een robotarm voor assemblagelijnen, SCARA genaamd, ontwikkeld en ingezet in de productie. Maar pas in de jaren tachtig zagen we de volgende opleving van AI-onderzoek en -ontwikkeling, en schaken speelde daarbij een belangrijke rol.
Schaakmat voor AI
Garry Kasparov, destijds wereldkampioen schaken, domineerde het spel. Schaken gold als het ultieme spel om te verslaan, want het overwinnen ervan zou betekenen dat AI aan Turings criteria voldeed: een machine bouwen die kan denken op het niveau van een mens.
Kasparov was niet overtuigd van de vooruitgang van AI binnen zijn domein en verkondigde dat door AI aangedreven schaakengines het niveau van schaakgrootmeesters niet konden overtreffen. Dit geloof werd nog versterkt toen hij respectievelijk IBM’s Deep Blue in 1996 en diens voorganger IBM Deep Thought in 1989 versloeg.
Maar Kasparov moest zijn woorden inslikken in 1997, toen IBM’s Deep Blue hem versloeg in een rematch; dit moment zou de tweede “AI-winter” die in 1988 begon, hebben beëindigd.
De toekomst van AI
Sindsdien heeft AI gestaag vooruitgang geboekt. De volgende grote opleving kwam echter pas in 2012, na de deep learning-revolutie en, recenter, de lancering van GPT-4.
Elke stap vooruit heeft een belangrijke rol gespeeld in de groei van AI, die geleidelijk is overgeslagen naar de maakindustrie. Tegenwoordig is het voor fabrikanten heel gebruikelijk om AI in te zetten om de productie te optimaliseren.
Voorbeelden van AI in de maakindustrie
We kunnen AI definiëren als “intelligentie — het waarnemen, synthetiseren en afleiden van informatie — getoond door machines, in tegenstelling tot intelligentie getoond door mensen of andere dieren.”
Een specifieke tak van AI, bekend als machine learning, boekt baanbrekende vooruitgang in de maakindustrie dankzij de grote hoeveelheden data waar de sector op steunt.
Machine learning stelt machines in staat beslissingen te nemen zonder menselijke input, op basis van patronen die uit data zijn geleerd. Mensen zouden doorgaans moeite hebben met het doorzoeken van enorme hoeveelheden data, maar voor een machine is dit eenvoudig.
Waar een fabriek vol robotwerkers ooit misschien klonk als een vergezochte sciencefictionfantasie, is het vandaag de dag een realistisch scenario waarin fabrikanten AI benutten.
Maar fabrikanten kunnen op meerdere manieren profiteren van AI; laten we er een paar bekijken.
Voorspellend onderhoud
Alle industriële apparatuur heeft een levensduur. Als je onderhoud te laat uitvoert, kan dat leiden tot aanzienlijke financiële verliezen en tijdverlies. Te vroeg onderhoud plegen kan óók tijd en geld kosten, dus de uitdaging is om het ideale moment te bepalen om apparatuur te servicen of te vervangen. AI-gedreven voorspellend onderhoud wordt in toenemende mate ingezet om in deze behoefte te voorzien.
Kwaliteitscontrole en inspectie
Geproduceerde producten hanteren vaak een bepaald niveau van kwaliteitscontrole om te zorgen dat ze aan een goede standaard voldoen voordat ze bij consumenten terechtkomen. Kwaliteitscontrole handhaven betekende traditioneel dat mensen visuele inspecties uitvoerden om defecten op te sporen. Het probleem met menselijke visuele inspecties is tweeledig: 1) mensen zijn doorgaans foutgevoelig en 2) inspecties kunnen veel tijd kosten.
Door de verantwoordelijkheid voor visuele inspecties over te dragen aan AI-gestuurde inspectieapparatuur, zoals machine vision-camera’s, worden defecten vaak sneller en nauwkeuriger gedetecteerd en verlopen inspecties efficiënter. Zo kunnen bedrijven er met meer vertrouwen op rekenen dat hun producten aan de gewenste kwaliteit voldoen voordat ze in handen van consumenten komen.
Procesoptimalisatie en automatisering
Technologieën zoals Robotic Process Automation (RPA) vereenvoudigen het bouwen, uitrollen en beheren van software-robots die menselijke handelingen nabootsen bij interactie met digitale systemen en software.
Dergelijke software kan repetitieve processen met hoog volume uitvoeren met een hogere nauwkeurigheid dan mensen. Voorbeelden van RPA-toepassingen zijn gegevensoverdracht tussen systemen, zoekopdrachten, berekeningen en het bijhouden van administratie.
Supply chain management
Een goed voorbeeld van AI in de maakindustrie is te zien in supply chain management. Fabrikanten moeten doorgaans miljoenen bestellingen, aankopen, materialen, ingrediënten, enz. verwerken. Deze processen handmatig afhandelen vraagt enorm veel tijd en middelen, vandaar dat steeds meer bedrijven kiezen voor AI om hun supplychainprocessen te versterken.
Cobots
Collaborative robots, of kortweg cobots, nemen in toenemende mate ondersteunende taken op zich naast mensen in plaats van hen te vervangen.
In tegenstelling tot geautomatiseerde robots die geprogrammeerd zijn om één taak repetitief uit te voeren, kunnen cobots leren hoe ze verschillende taken moeten uitvoeren. Ze worden vaak ingezet voor taken die zwaar tillen vereisen (bijv. zware auto-onderdelen tillen) of voor werk aan assemblagelijnen in fabrieken. Een andere toepassing voor cobots is het lokaliseren en ophalen van items in grote magazijnen.
Ethische implicaties van AI in de maakindustrie
Temidden van alle positieve uitkomsten en potentiële doorbraken die we dankzij AI in de productie kunnen ervaren, roepen sommige ethische implicaties zorgen op bij bepaalde groepen.
Hier zijn enkele van de zorgen die zij uiten.
Werkloosheid en toenemende ongelijkheid
De meest voor de hand liggende zorg is de bedreiging voor de bestaanszekerheid van de mens. Voor sommigen is die bedreiging existentieel, maar voor anderen gaat het meer over de vraag naar arbeid.
Traditioneel leidt technologische vooruitgang tot een grotere vraag naar hoogopgeleide arbeid, terwijl de vraag naar werknemers met minder opleiding en minder vaardigheden afneemt.
Maar zoals Arvind Krishna, voorzitter en CEO van IBM, in Davos in januari 2023 voorspelde, zouden we met de AI-revolutie het omgekeerde kunnen zien:
“Je zou je meer zorgen moeten maken over de administratieve, white-collarbanen dan over de fysieke [banen]. Een groot aantal daarvan zal worden vervangen. Dus de vraag is: ‘Welke banen creëer je om die te vervangen?’”
Arvind Krishna, Chairman and Chief Executive IMB
Naarmate machines intelligenter worden, zullen ze veel mensen op de werkvloer vervangen, waardoor velen die de vaardigheden van de 4IR missen zonder werk komen te zitten.
Cybersecurity-bedreigingen
Cybercriminelen bedenken voortdurend nieuwe manieren om in systemen in te breken, wat veel zorgen oproept over AI omdat deze systemen kwetsbaarder zijn voor cyberaanvallen. Het World Economic Forum noemt de belangrijkste dreigingen voor de maakindustrie:
- Phishingaanvallen
- Ransomware
- Diefstal van intellectueel eigendom
- Aanvallen op de toeleveringsketen
- Internet of Things (IoT)-aanvallen
Nu mensen, producten en apparatuur via het IoT steeds meer verbonden raken, is zelfs een kleine inbreuk in het systeem genoeg om een hele productielijn te verstoren en in het slechtste geval een productiebedrijf volledig stil te leggen.
Bias
Een van de afwegingen wanneer je AI vertrouwt om razendsnel grote hoeveelheden data te verwerken, is het risico dat het inherente vooroordelen aanleert. AI is niet altijd te vertrouwen om eerlijk en neutraal te zijn.
Zo vertoonde een AI-systeem dat was getraind om toekomstige criminelen te voorspellen een sterke bias tegen zwarte mensen. Ook de mensen die de systemen bouwen, moeten worden meegewogen. Het zijn mensen die deze AI-systemen creëren, en mensen hebben vaak hun eigen vooroordelen, die ze kunnen overbrengen.
In de maakindustrie kan AI-bias verschillende problemen veroorzaken.
Bij voorspellend onderhoud bijvoorbeeld kunnen AI-modellen die op bevooroordeelde datasets zijn getraind, apparatuurstoringen niet nauwkeurig voorspellen, wat leidt tot onverwachte stilstand, hogere kosten en lagere productiviteit.
Bias kan ook geautomatiseerde kwaliteitscontroleprocessen vertekenen, waardoor bepaalde producten of onderdelen op basis van gebrekkige data worden bevoordeeld.
Bovendien kunnen vooroordelen in AI-gedreven supply chain management leiden tot oneerlijke leveranciersselectie, inefficiënte toewijzing van middelen en een verkeerde inschatting van de marktvraag. Deze effecten raken niet alleen de operationele efficiëntie, maar brengen ook reputatierisico’s met zich mee en kunnen zorgen voor problemen met naleving van regelgeving.
Afronding
AI is zonder twijfel een revolutionaire technologie; een groeiend aantal bedrijven past het al toe om werkwijzen te verbeteren, betere beslissingen te nemen en betere producten te bouwen.
Naarmate deze systemen slimmer worden, zullen productieprocessen waarschijnlijk verbeteren; daarom hebben bedrijven met een stevige greep op AI-basics waarschijnlijk een aanzienlijk voordeel ten opzichte van hun concurrentie.
Vraag een demo aan om te zien hoe DataCamp je kan begeleiden bij het upskillen van je hele team en het bouwen van een data-positieve cultuur.
