Data zorgt voor enorme veranderingen in de maakindustrie. Samen met krachtige tools zoals edge computing, artificële intelligentie (AI)/machine learning (ML) en streaming analytics zorgt realtime data voor nieuwe niveaus van innovatie en het ontstaan van slimmere fabrieken.
De Belgische economie groeide in het eerste kwartaal van dit jaar met 0,4% in vergelijking met het vierde kwartaal van 2022. De maakindustrie kende echter een daling van 0,6%, wat de noodzaak voor nieuwe technologieën duidelijk maakt. De dienstverlening (+0,7%) en bouwnijverheid (+0,4%) tekenden dan weer een groei op van hun toegevoegde waarde, volgens de flashraming van de Nationale Bank van België (NBB).
Volgens een rapport van Fortune Business Insights bedroeg de wereldwijde big data in de productie-industrie 3,22 miljard dollar in 2018. Naar verwachting zal deze 9,11 miljard dollar bereiken tegen 2026, met een CAGR van 14,0% tijdens de prognoseperiode. Deze stap is erg belangrijk, want vooruitstrevende bedrijven combineren operational technology (OT) met edge en AI om use cases te realiseren die vele voordelen opleveren.
De evolutie van smart manufacturing
In de maakindustrie is ‘de edge’ de productieomgeving, waar camera’s, sensoren, machines en assemblagelijnen data genereren. Met behulp van edge computing-technologie verzamelen en vertalen bedrijven data uit deze bronnen of uit besturingssystemen voor automatisering die op deze bronnen zijn aangesloten.
De data wordt geanalyseerd via technologieën zoals streaming data analytics en AI om direct inzichten te krijgen, snel beslissingen te nemen en meteen actie te ondernemen. Tegelijkertijd kan de enorme hoeveelheid data aan de edge een belemmering vormen voor transformatie. Datasets die steeds groter worden, o.a. door nieuwe soorten data op nieuwe edge-locaties, kunnen door hun volume overweldigend zijn voor edge-technologie. Zeker wanneer de gebruikersverwachtingen op het gebied van realtime inzichten toenemen.
Ondanks deze uitdagingen blijven fabrikanten en andere industriële bedrijven innoveren aan de edge, waardoor ze zichzelf onderscheiden dankzij hun vermogen om waarde uit edge-data te halen. Ze maken gebruik van AI en ML om enorme datasets te verwerken en in bijna realtime inzichten te krijgen op de plek waar de data wordt gecreëerd en gebruikt.
AI aan de manufacturing edge
AI kan bedrijven helpen werknemers te beschermen, productiekwaliteit te verbeteren, onderhoudsproblemen te voorkomen en lacunes in vaardigheden op te vullen dankzij machine-intelligentie. Dit alles helpt om relevanter te blijven en de concurrentiepositie te verbeteren. Er zijn vele voordelen van AI aan de edge, onder andere:
- Minder defecten. AI volgt onderdelen die de fabriek binnenkomen en door de fabriek worden verplaatst. Computer vision helpt het proces gedurende de gehele productiecyclus te versnellen en automatiseren. Defecten worden in realtime geïdentificeerd, gemarkeerd en getraceerd naar afzonderlijke processen of onderdelen, zodat ze onmiddellijk kunnen worden verholpen, in plaats van nadat een defect product is ontdekt.
- Minimale storingen. AI-gestuurde predictive maintenance systemen gebruiken data van sensoren en IoT-data om de exacte locatie vast te stellen waar onderhoud nodig is. Dit bespaart technici enorm veel tijd bij het stellen van diagnoses en helpt om proactief storingen aan apparatuur te voorspellen en te voorkomen. Door proactief te zorgen dat apparatuur en processen optimaal presenteren, beschermt u werknemers, voorkomt u verstoringen en verlaagt u onderhoudskosten.
- Hiaten in kennis aanpakken. Dankzij AI-systemen op basis van augmented reality (AR) kunnen externe specialisten de fabriek virtueel bezoeken en de AR-interface gebruiken om een situatie direct te beoordelen en werknemers te begeleiden of te trainen. De AI kan ook de situationele context begrijpen en standaardprocessen laden voor aanbevolen actie, waarbij elke stap duidelijk wordt gedemonstreerd in AR, zodat ongetrainde werknemers complexe taken kunnen uitvoeren wanneer specialisten niet beschikbaar zijn.
Edge AI gebruiken om meer waarde te creëren
Door AI naar de manufacturing edge te brengen ontstaan veel voordelen, maar ook een aantal unieke uitdagingen die moeten worden overwonnen om de implementatie van AI aan de manufacturing edge tot een succes te maken.
Bedrijven moeten een sterke basis van back-end infrastructuur en adviesdiensten opzetten om het hele traject van het binnenhalen van edge data tot het verkrijgen van het gewenste bedrijfsresultaat van begin tot eind volledig te begrijpen.
Om de implementatie, integratie, beveiliging en het beheer verder te vereenvoudigen, versnellen geconfigureerde systemen, gebouwd door AI-experts uit de productiesector, de time-to-value met oplossingen die specifiek zijn ontworpen voor smart manufacturing use cases. Het kiezen van een door ingenieurs gevalideerde AI-oplossing helpt bedrijven bij het overwinnen van adoptiebarrières, zoals een gebrek aan AI-expertise op locatie. Gevalideerde ontwerpen zijn geteste en bewezen configuraties die dynamisch kunnen voldoen aan de specifieke behoeften op basis van use cases. Deze geïntegreerde oplossingen zijn grondig getest en gedocumenteerd om de implementatie te versnellen en te vereenvoudigen.
Resultaatgerichte use cases
De use cases achter de huidige succesverhalen zijn net zo gevarieerd als de subsectoren van manufacturing, maar we onderscheiden een paar van de meest voorkomende manufacturing edge use cases zoals: connected worker, effectiviteit van apparatuur, predictive maintenance, productiekwaliteit, yield optimalisation, verbeterde logistiek, productieoptimalisatie en digital twins.
Edge computing met AI en streaming data analytics wordt steeds vaker ingezet voor use cases zoals predictive maintenance, computer vision, productiekwaliteit en digital twins. Deze use cases vereisen de analyse van enorme hoeveelheden multidimensionale data, zoals beelden, audio en sensorgegevens van connected devices, apparaten en andere assets. Voor use cases die zorgen voor een productievere en veiligere connected worker, is snelle en ultra-lage latentie-connectiviteit, zoals Wi-Fi en cellulair, essentieel om just-in-time productiviteits- en veiligheidsinformatie te leveren. Opkomende use cases, zoals augmented reality en mixed reality voor onderhouds- en trainingsapplicaties, maken gebruik van de flexibiliteit en kosteneffectiviteit van 5G-netwerken om problemen met connectiviteit en Wi-Fi-gegevensdoorvoer op te lossen.
Deze technologieën en use cases kunnen fabrikanten helpen hun klanten te geven wat ze willen, wanneer ze het willen: innovatieve producten van hoge kwaliteit tegen concurrerende prijzen, terwijl ze voldoen aan steeds strengere doelstellingen op het gebied van winstgevendheid, duurzaamheid en veiligheid.
Door gebruik te maken van de kracht van AI aan de edge, benutten slimme fabrikanten de tastbare en meetbare zakelijke voordelen die voortkomen uit betere, snellere inzichten wanneer deze nodig zijn. Deze slimme benadering van manufacturing zorgt ervoor dat ze zich kunnen onderscheiden en concurreren in een concurrerende wereldwijde markt.
