Aan Artificial Intelligence wordt al vele decennia onderzoek gedaan. In de jaren tachtig leek een industriële doorbraak ophanden. Die kwam er niet, maar in de slipstream van Industrie 4.0 is AI de afgelopen jaren aan een nieuwe opmars bezig. Met dank aan de ruime beschikbaarheid van rekenkracht, data, slimme algoritmes en softwaretools. Het vergt echter wel veel inzicht, implementatie-inspanning en interactie, zo bleek tijdens de MATLAB EXPO 2019 Benelux en het aansluitende management dinner.
Bijna iedereen is op de een of andere manier al bezig met AI, van verkenning tot volledige inzet. Foto Kees Beekmans.
• Veel AI-projecten mislukken nog, om een veelheid aan redenen.
• De 3i’s zijn de succesfactoren: inzicht, implementatie en interactie.
• AI maakt altijd onderdeel uit van een complete engineering workflow.
• Grootste uitdaging is betrouwbare data verzamelen.
MATLAB EXPO en management dinner over de lange aanloop van artificial intelligence
In de eerste keynote geeft marketingmanager Jason Ghidella van MathWorks een mooie introductie tot artificial intelligence en wat er allemaal bij komt kijken om het ‘aan de praat’ te krijgen. Hij definieert AI als het vermogen van een machine om intelligent menselijk gedrag te overstijgen door gewenst gedrag aan te leren. Volgens hem belooft AI een grotere productiviteitsverbetering dan de stoommachine, de robotisering en de it ooit hebben gebracht. Veel AI-projecten mislukken echter nog, om een veelheid aan redenen. Er zijn te weinig (of juist te veel) data beschikbaar, er zijn te weinig data scientists om met die data slimme dingen te doen, de juiste tools zijn niet voorhanden, het betreffende probleem is niet geschikt voor AI, enzovoort. Er is méér nodig dan alleen een slim algoritme, stelt Ghidella en hij vat de succesfactoren samen in drie i’s: inzicht, implementatie en interactie.
3 i’s
Bij de interpretatie van data-analyse met behulp van AI is domeinkennis, oftewel inzicht, nodig. Concreet voorbeeld van Ghidella is een zuivelproducent die voor de productie van poedermelk op voorhand op basis van sensordata de kwaliteit wilde voorspellen om latere afkeur te verminderen. Data waren er voldoende, van drie fabrieken over een periode van liefst zes jaar. Eerste analyses leverden echter geen voorspellende waarde op. Tot het inzicht doorbrak dat elke fabriek zijn eigen productiekarakteristieken heeft en elk jaar uniek is, vanwege bijvoorbeeld het weer – zuivel is immers een natuurproduct. Alle data hadden dus niet op één hoop geveegd mogen worden. Uitgesplitst per fabriek en per jaar leverde AI-analyse wel een hoge mate van voorspelbaarheid op.
Bij implementatie gaat het erom dat de toepassing van AI niet een zelfstandige actie is, maar altijd onderdeel uitmaakt van een complete engineering workflow: ontwerp, simulatie en prototyping van bijvoorbeeld een autonoom systeem zoals een zelfrijdende auto, tot aan training en vervolgens inzet van het AI-algoritme dat die auto bestuurt. Dit voorbeeld laat ook zien dat er altijd sprake is van interactie met een vaak complexe omgeving: bij de zelfrijdende auto zijn dat de inzittenden en het wegenstelsel met verkeersborden, andere voertuigen en mensen. Het AI-algoritme moet alle interacties met die omgeving foutloos kunnen afhandelen. Conclusie van Ghidella: ‘Een succesvolle toepassing van AI vereist meer dan alleen intelligentie.’
Carl Wouters (Atlas Copco): ‘AI is gewoon een van de beschikbare tools en het is zeker nog niet volwassen. Er is een mentaliteitsverandering in engineering nodig om het serieus op te pakken.’ Foto Kees Beekmans
Atlas Copco
Een treffende illustratie van de tweede i, implementatie, en van de lange aanloop die AI vergt, komt van Carl Wouters, teamleider process, tools and modularity bij Engineering van Atlas Copco. De toonaangevende leverancier van onder meer compressoren en generatoren ontwikkelt en bouwt in Wilrijk (B) olievrije compressoren. Het voorgenomen herontwerp van hun paradepaardje was zeven jaar geleden aanleiding om wat nu heet het Atlas Copco Model Based Engineering Platform in te richten. Idee daarachter is dat met simulatie van het gedrag van systemen en het inrichten van digital twins veel valt te besparen op de fysieke prototyping en het onderhoud, resulterend in een verlaging van de total cost of ownership. De digitale twin beslaat de vier fasen in de lifecycle van een modulair opgebouwd systeem zoals de nieuwe compressor: ontwerp, configuratie, productie en onderhoud. Voor alle fasen heeft Atlas Copco de tools beschikbaar voor het beheren van die digital twin, waaronder de MathWorks-tools; denk aan de simulatie van alle (fysische) aspecten van de compressor, het ontwerp van de besturing, het beheer van de datasheets voor alle mogelijke configuraties, inclusief automatische kostprijscalculatie, en monitoring van het systeem in het veld met bijbehorende data-analyse.
Die monitoring is ontzettend belangrijk, omdat betrouwbaarheid de hoogste prioriteit heeft bij compressoren die tot 60.000 draaiuren kunnen halen; dit naast energie-efficiency, aangezien de elektriciteitsvoorziening goed is voor meer dan drie kwart van de lifecycle-kosten. Condition monitoring helpt om de gebruiker te kunnen waarschuwen voor naderend falen, input voor ontwerpverbeteringen op te halen en het onderhoud te verbeteren en uiteindelijk voorspelbaar te maken. De inzet van AI hierbij is nog maar mondjesmaat. De beschikbaarheid van data is niet het probleem, meldt Wouters. Meer dan 120.000 systemen zijn al uitgerust met een chip voor datacommunicatie met de buitenwereld. Data scientists maken bij Atlas-Copco intussen veel analyses, meldt Wouters. ‘We halen er al heel veel informatie uit, onder meer voor optimalisatie. Het vergt echter serieuze effort, omdat de data goed gefilterd moeten worden en veel fysische kennis van de machine nodig is.’
Rondetafel Mathworks, georganiseerd door Link Magazine, tijdens MATLAB Expo 2019. Foto’s: Kees Beekmans
Hype of niet?
Aan het eind van de dag, in de management track over AI-gedreven engineering, houdt Wouters voor een select gezelschap nogmaals zijn verhaal. Getuige de vele vragen die hij krijgt, is Atlas Copco een inspirerend voorbeeld voor bedrijven die de product lifecycle op basis van model-based engineering willen beheren en daarbij de inzet van AI overwegen of al voorzichtig hebben opgepakt. Uiteindelijk moet het daarbij gaan om de waarde die het oplevert, aldus gespreksleider Albert van Breemen, die vanuit zijn bedrijf VBTI innovatie met AI ondersteunt. ‘De businesslogica is heel simpel: data + AI = waarde. Bij data gaat het om kwaliteit en beschikbaarheid, bij AI om de technologie en vooral het benodigde talent. De waarde die je ermee genereert, kan zowel in processen als producten liggen; denk aan kostenreductie, prestatieverbetering en nieuwe applicaties. Uiteraard moet dat opwegen tegen de benodigde investering.’ Dat is allemaal nog niet vanzelfsprekend, ervoer Van Breemen toen hij al twee maanden voor een klant bezig was en de vraag kreeg: ‘Doen we nu AI omdat het een hype is of omdat het ons wat oplevert?’ Wouters reageert: ‘Het is gewoon een van de beschikbare tools en zeker nog niet volwassen. Het is nu een buzzword, maar er is wel een mentaliteitsverandering in engineering nodig om het serieus op te pakken.’
Om zicht te krijgen op die feitelijke adoptie van AI, hield Van Breemen vooraf een onderzoekje onder de deelnemers aan de track. Dat leverde 25 reacties op: 24 van hen zijn op de een of andere manier al bezig met AI, van verkenning tot volledige inzet. Belangrijkste motivaties: concurrerend blijven in een veranderende markt, strategisch partner voor de klant willen zijn, en r&d en producten verbeteren met behulp van klantdata. Grootste uitdaging is betrouwbare data verzamelen. Voor het opbouwen van AI-competenties vertrouwen de respondenten vooral op hun eigen engineeringteam, met data-experts inhuren als tweede optie. Wouters, uit eigen ervaring: ‘Je moet een aantal data scientists binnenhalen, maar niet te veel. Ze weten niets van engineering, dus je moet ze vooral integreren in je engineeringteam.’
AI staat dus nog maar aan het begin in de industrie, maar gaat wel komen, is de verwachting van de respondenten. Volgens twee derde van hen zal AI zeer relevant zijn voor de toekomst van hun bedrijf.
Rondetafel Mathworks tijdens MATLAB Expo 2019.
De jaarlijkse MATLAB EXPO Benelux voor onderzoekers en professionals uit industrie, onderzoek en onderwijs vond dit jaar op 21 mei plaats in Eindhoven. Organisator was MathWorks, de ontwikkelaar van MATLAB, Simulink en aanverwante tools voor data analytics en model-based design. Het event stond in het teken van trends als ‘software is everywhere’, artificial intelligence (AI), autonome systemen, Industrie 4.0, de cloud en elektrificatie van voertuigen. Het overheersende thema in het seminarprogramma en de aparte management track was AI.
Women in Tech
Ondanks alle mogelijkheden van AI is er nog altijd een tekort aan technisch talent en moet het beschikbare engineeringpotentieel maximaal worden benut. Reden voor MathWorks om dit jaar voor het eerst een ‘Women in Tech’-sessie tijdens de MATLAB EXPO te houden. Dit initiatief is komen overwaaien van MathWorks in Amerika, aldus productmanager en organisator Giorgia Zucchelli. Tijdens de sessie vertelden enkele vrouwelijke engineers over hun werk en het gebruik van MATLAB en Simulink. ‘De deelnemers verwelkomden het initiatief’, meldt Zucchelli na afloop. ‘Zo’n vijftien engineers namen deel aan een boeiende bijeenkomst. Ter plekke is besloten om onder de hashtag #shelovesmatlab ervaringen te blijven uitwisselen.’
Dit artikel hebben wij gepubliceerd in Link 3 2019. Vraag kostleoos een exemplaar aan: info@linkmagazine.nl
