We leven in een tijd van extreme disruptie. Zowat elke technologie die direct of indirect een rol kan spelen in de coronavirusbestrijding wordt in sneltreinvaart volwassen. Dankzij ongekende eendracht en toewijding in toeleverketens krijgen die in no-time een gerespecteerde plek in de markt. Maar toch, zoals alle innovaties volgen ook deze de bekende Gartnerhype cycle. De vraag is dan: wat precies bepaalt het tempo? In dit artikel komt een aantal technologieën aan bod die een grote impact (kunnen) hebben op de industrie. Wanneer zijn artificiële intelligentie, cloud computing en 3D-printing echt mature en komt AR/VR ooit zover? Het instapmoment hangt voor ondernemers van tal van factoren af.
Het tempo waarmee een innovatie over de hype cycle gaat, kan per land verschillen: ‘China was een volger in de adoptie van traditionele productietechnologieën, maar is snel met digitale technologieën als cloud en 5G’, constateert analist Gilbert van der Heiden. Foto: Gartner
Instappen of (nog) niet?
- ‘De toepassing van intelligentie in producten en diensten zal verder toenemen in elke industrie, inclusief de hightech.’
- ‘Bewustwording en kennisdeling is een eerste stap in de adaptatie van AI.’
- ‘Servitization zal de komende jaren een driver zijn voor ambient intelligence-toepassingen.’
- ‘Producten controleren op een scheef zittend etiket kan ook zonder AI.’
Gilbert van der Heiden is een van de 2000 analisten over wie Gartner wereldwijd beschikt. Hij heeft zich gespecialiseerd in innovaties op het gebied van application services, on prem, hosted, cloud en as-a-service. Hij plaatst aan de hand van vragen die hij krijgt van klanten – leveranciers en gebruikers – een nieuwe applicatie op de hype cycle. Voorts gebruikt hij interactions, data over bijvoorbeeld het aantal vragen dat is gesteld over een specifieke applicatie en de aard van die vragen. Ook voert hij onder gebruikers en leveranciers surveys uit, lijsten van maximaal twaalf vragen. Ten slotte benut hij de informatie die de sentimentmanagers van Gartner hem desgevraagd verstrekken over het sentiment rond een applicatie en de ontwikkeling daarin over het afgelopen jaar.
Niet waarmaken
De scherpe piek in het typische golfpatroon van de hype cycle-lijn wordt bepaald door gewekte verwachtingen van een product of (IT-)dienst, die vervolgens niet kunnen worden waargemaakt. ‘Verwachtingen zijn veelal gebaseerd op beperkte ervaringen’, weet Van der Heiden. ‘Als die positief zijn, groeit de behoefte aan zo’n dienst of product. Gaat de groei harder dan de capaciteit van het op dat moment nog beperkte aantal leveranciers, dan stijgt de kans dat er zaken misgaan. Er ontstaan fouten in het product, klanten moeten langer wachten dan is toegezegd, er zijn onvoldoende gekwalificeerde medewerkers voor de implementatie. Daarnaast zijn er producten of diensten die initieel veel beloften hebben gecreëerd, maar die in de praktijk niet waarmaken. In beide gevallen raakt de innovatie in een val, in de trough of disillusionment. Voordat het zover is, hebben echter vaak al meerdere leveranciers geconcludeerd dat het product of de dienst commercieel interessant is en nemen het in hun aanbod op. In de overtuiging dat zij de innovatie wél betrouwbaar en schaalbaar kunnen leveren, zodat de vraag weer aantrekt. Wat vaak ook gebeurt.’
Tempo verschilt sterk
Het karakter van de markt en van het product bepalen het tempo waarin innovaties zich over de hype cycle-lijn bewegen. ‘Is de concurrentie groot dan nemen leveranciers van een technologie meer risico. Dan wordt bijvoorbeeld een nieuwe app, waarmee je je kunt onderscheiden in de markt, eerder toegepast. Maar op sterk gereguleerde markten, zoals de medisch-technologische, adopteren leveranciers en gebruikers innovaties normaal gesproken bedachtzamer en langzamer. Grote oem’ers kunnen met hun marktcommunicatie en schaalbare productiecapaciteit innovaties sneller ‘hypen’. Zonder dat gaat het vaak trager. Crowdsourcing bijvoorbeeld zit al lang op de weg omhoog. De verwachtingen ervan nemen maar langzaam toe, min of meer in het tempo waarin kwaliteit en kwantiteit van het aanbod toenemen.’ Ook ziet Van der Heiden dat het tempo per land kan verschillen: ‘China was een volger in de adoptie van traditionele productietechnologieën, maar is snel met de toepassing van digitale technologieën als cloud en 5G.’
Naar de cloud
Cloud, 3D-printers, cobots… De technologieën die Gartner tien jaar geleden nog duidde als hypes, zijn bij Connect Group misschien nog niet ‘standaard’, maar worden wel als volwassen gezien – rijp om te worden toegepast, aldus Ron van Gils, businessunitmanager van de Veldhovense vestiging van de fabrikant van printed circuit board assemblies (pcba’s), modules en kabelbomen. ‘Die nieuwe productietechnologieën zien wij zeker niet meer als hypes, maar als noodzakelijke middelen om de kosten en kwaliteit van onze productie beheersbaar te houden.’
Zo staan werkinstructies van complexe samenstellingen inmiddels niet meer op papier maar op een iPad; de operator kan inzoomen als hij meer details nodig heeft. ‘Medewerkers werken altijd met de laatste instructies die via wifi van onze server komen. Alleen de complexe samenstellingen worden digitaal aangeboden, de rest staat nog op papier. De overgang naar digitaal heeft tijd nodig, want we hebben ontzettend veel verschillende producten en liefst 1.600 mensen die de productiestappen uitvoeren.’ De instructies staan nog niet in de cloud. ‘Ons netwerk komt daar meer en meer in terecht, maar wanneer alles erin zit, durf ik niet te voorspellen. Ons MRP (Manufacturing Resource Planning, red.) draait op SAP. Zodra die naar de cloud gaat, gaat een heel groot deel over.’
Kleine series nog handmatig
Connect digitaliseert niet alleen de informatiestromen, ook staan intussen op meerdere productielocaties 3D-printers, om kleine onderdelen of productietools te maken. En steeds meer repetitief werk wordt geautomatiseerd, ook met cobots. Van Gils: ‘Wanneer en in welke processen we nieuwe technologie implementeren, hangt sterk af van het product, het ontwerp en de aantallen. Voor hoogvolume producten, zoals pcba’s en kabels voor de automotive, is de automatisering al ver doorgevoerd. Maar we maken ook heel veel kleine series. Veel van die werkzaamheden zijn nog niet goed te automatiseren; die voeren we handmatig uit, maar efficiënt, snel, tegen relatief lage kosten en met een geringe investering. Zodra volumes toenemen, zullen we waar mogelijk ook dat werk met de nieuwe technologieën automatiseren.’
Martijn Elkink
AI: stap voor stap
Ook artificiële intelligentie (AI) lijkt voor de industrie geen hype meer, maar volwassen is ze ook nog niet. Toepassingen blijven vooralsnog veelal op pilotniveau hangen, vertelt Martijn Elkink, business operations manager van Singa, een Achterhoeks ingenieursbureau dat industriële klanten helpt bij het toepassen van AI in hun processen. ‘Het is technisch al mogelijk om op basis van data-analyse en AI de instellingen van machines in de installed base te optimaliseren, volledig automatisch. Het systeem leert dan van de productiefouten die de machine maakt en vertaalt dat naar verbeterde instellingen: daardoor is er minder stilstand en een hogere productie en rendement. Voor eindklanten is het vaak nog wel een stap om de machinebouwer die data te verschaffen. Zo’n traject moet je stap voor stap met hen doorlopen. Eerst offline machinedata verzamelen, dan analyseren en aan de hand daarvan je klant suggesties doen voor het beter instellen van zijn machine. Je moet eerst vertrouwen winnen, pas daarna kun je de stap zetten naar het online vergaren en geautomatiseerd optimaliseren. En pas weer daarna kun je voor die service geld vragen en een verdienmodel creëren.’
Herkennen wat oké is
Het gebruik in de industrie van AI voor kwaliteitscontrole ‘neemt een vlucht’, formuleert Elkink. ‘We gebruiken voor die toepassing veelal machine vision in combinatie met de AI-vorm deep learning. We trainen een neuraal netwerk in het herkennen welk product in orde is en welk niet. Het doel is een zelflerend kwaliteitscontrolesysteem te realiseren dat zeer nauwkeurig en snel complexe controles kan uitvoeren. Zo hebben wij een klant die machines maakt die met heet water onkruid verdelgen. Vision en deep learning wordt toegepast om verschillende typen onkruid te herkennen en te bepalen hoeveel water nodig is voor de bestrijding. Hoe groter de dataset, hoe nauwkeuriger en efficiënter de machine onkruid kan bestrijden.’
‘Er zijn producten of diensten die initieel veel beloften hebben gecreëerd, maar die in de praktijk niet waarmaken’
Het uitrollen van deze vorm van AI stuit vaak op het ontbreken van goed gelabelde datasets. ‘De grote bedrijven beschikken daar dikwijls wel over en draaien pilots om goed in beeld te krijgen hoe en waar de technologie de meeste toegevoegde waarde oplevert. Mkb’ers zitten nog in de oriëntatiefase en kloppen om die reden bij ons aan.’ Ook komt Elkink bedrijven tegen die overwegen deep learning in te zetten voor kwaliteitscontrole waar dat helemaal niet nodig is. ‘Producten controleren op een scheef zittend etiket kan ook zonder AI.’
Strategisch Actieplan AI
Alles overziend verwacht Elkink dat AI de komende vijf jaar een volwassen plek krijgt in de industrie. Ter stimulatie lanceerde FME – samen met een kerngroep van onderwijsinstellingen en bedrijven als ASML, NXP, Philips en ook Singa – een landelijk AI-platform en werd een Strategisch Actieplan AI opgesteld. Een eerste stap is dat de Nederlandse AI Coalitie, waar Singa eveneens deel van uitmaakt, workshops voor industriële ondernemers verzorgt. ‘Om de ondernemers duidelijk te maken welke kansen AI hun bedrijf kan bieden. Bewustwording en kennisdeling is een eerste stap.’ Het actieplan maakt onderdeel uit van het Smart Industry-programma.
Nog in het steile deel: AmI
Hebben cloud-computing en 3D-printing hun weg naar menig industrieel bedrijf inmiddels wel gevonden, andere technologieën zitten nog in het steil oplopende deel van de hype cycle. Zoals ambient intelligence (AmI): intelligentie in systemen die met sensors data uit een omgeving halen (sense). Aan de hand daarvan stellen intelligente modellen bepaalde diagnoses (think), waarna – allemaal volautomatisch – actie (act) wordt ondernomen om die omgeving aan te passen. Een klassieke thermostaat is geen vorm van ambient intelligence. Een systeem dat in een ruimte de temperatuur afstemt op de persoonlijke voorkeuren van de bewoner, dat ziet dat die maar een kwartiertje blijft en zo energiekosten bespaart, is dat wel. AmI is een ‘onzichtbare’ technologie, waarin drie andere technologieën samenkomen: IoT-sensortechnologie, cloud computing en AI.
Servitization zal de komende jaren een driver zijn voor ambient intelligence-toepassingen in de industrie. ‘En natuurlijk ook andersom’, verwacht lector Wouter van Teeuw van Saxion.
Data correleren
Qua maturiteit is AmI minder ver dan die drie andere, maar er is belangstelling voor, constateert Wouter Teeuw, lector ambient intelligence aan Saxion Hogeschool in Enschede. ‘Wij krijgen veel vragen van ondernemers die in hun processen data kunnen vergaren, maar niet goed weten hoe ze daarmee iets zinnigs kunnen doen. Wij hebben projecten lopen waarin machines met ambient intelligence de kwaliteit van producten monitoren en verbeteren. Projecten met bedrijven als Scania, Bronkhorst, Pentus Moulding, Euromolding, Thales, MPM en Nijhuis Water Technology. Voor Scania werken we aan het monitoren van de onderhoudsstatus van de carriers die de trucks-in-aanbouw over de productielijn vervoeren. Door data uit het carrier-systeem te correleren aan storingsmeldingen wordt geprobeerd uitval te voorspellen en te voorkomen.’
Servitization als driver
Maar het zijn dus wel allemaal nog pilots van Teeuws lectoraat, of afstudeerprojecten van studenten. Buiten de maakindustrie ziet hij al tal van commerciële toepassingen van AmI. ‘Als ik morgenochtend in mijn auto stap, geeft Google Maps automatisch aan hoelang ik er over doe om naar Enschede te rijden. Maar op vrijdag doet het systeem dat niet, omdat het weet dat ik dan elders werk. Social media weten je interesses te achterhalen en reageren daarop met een gepersonaliseerd aanbod.’
Servitization zal de komende jaren een driver zijn voor ambient intelligence-toepassingen in de industrie. ‘En natuurlijk ook andersom: door die technologie komen dergelijke businessmodellen van de grond. Multinationals zullen een impuls geven. Maar ook innovatieve start-ups. Ik ken er een die geuren op de markt brengt om koopgedrag of reinheid te stimuleren, of vandalisme te ontmoedigen. Onzichtbaar. Als je daar AI aan hangt, is dat ook een vorm van ambient intelligence.’
AR/VR: vooral experimenteel
Ook augmented en virtual reality en de gecombineerde vorm – mixed reality – hebben nog tijd nodig om volwassen te worden. Volgens Gartner zijn ze dat op korte termijn, maar Christian Suurmeijer vindt dat nog wat te optimistisch. Zijn bedrijf, de Almelose vestiging van het Amerikaanse Benchmark ontwikkelaar/producent van machines, apparaten en modules voor de industrial, medical en avionics markt, gebruikt die technologie in de eigen processen en in producten voor klanten. Vooral in het reviewen van het design van machines die te duur of te groot zijn voor 3D-printen, wordt nu af en toe mixed reality gebruikt. Maar op andere vlakken wordt er vooralsnog alleen geëxperimenteerd, zo maakt de innovation consultant duidelijk.
Christian Suurmeijer: ‘Wij zouden AR/VR graag toepassen voor het instrueren van onze assemblage-operators.’ Foto: Benchmark.
Instrueren operators
‘Wij zouden AR/VR graag toepassen voor het instrueren van onze assemblage-operators. Nu lezen ze op schermen de instructies, interpreteren die en gaan dan zoeken naar waar in het werkstuk ze die moeten toepassen. Dat is erg foutgevoelig. De elektronica die we maken kan gelukkig heel goed en snel getest worden, maar voor de mechanica ligt dat veel lastiger. Het zou mooi zijn als er een systeem zou komen dat de operator uitrust met een Hololens (de mixed reality-bril van Microsoft, red.). Die hem, via een informatielaag over de realiteit heen, wijst waar hij die schroef moet plaatsen en waarschuwt als hij er een vergeet. Dat zou in de assemblage veel tijd en geld besparen. Maar zover zijn we nog niet’, aldus Suurmeijer. ‘Alle achterliggende bedrijfssystemen met tpd-data (technical product documentation, red.) omzetten naar het gewenste AR/VR-format, zodanig dat instructies snel geprogrammeerd en wijzigingen snel doorgezet kunnen worden, is vooral een uitdaging.’
Holo-helmet-platform
Ook voor applicaties die Benchmark voor klanten ontwikkelt en bouwt, kan AR/VR veel toegevoegde waarde bieden, is zijn overtuiging. ‘Wij engineeren en produceren hier bijvoorbeeld allerhande meetinstrumenten. Als je die, in plaats van met een touchscreen, zou kunnen uitrusten met een AR/VR-systeem dan kan de meetkundige in het veld in één oogopslag de te meten objecten én de meetresultaten zien.’ Voor zo’n toepassing verwacht Suurmeijer met de Hololens 2 een behoorlijke stap te kunnen maken. ‘Wij hebben die meetapplicatie met de eerste versie Hololens wel uitgetest, maar stuitten toen op nogal wat kinderziekten. Die zullen er in de opvolger wel uit zijn.’ Anticiperend daarop heeft Benchmark een Holo-helmet-platform ontwikkeld: een helm voorzien van allerlei sensoren die als add-on van de Hololens 2 kan dienen. ‘Je zou bijvoorbeeld een thermal imager in de helm kunnen integreren, zodat de gebruiker heel gemakkelijk allerlei warmtebronnen om hem heen kan detecteren. Dat had nu, bij het controleren van mensen op corona-besmetting, misschien een uitkomst kunnen zijn.’
Risico’s delen
Maar zulke toepassingen zijn in de eerste plaats afhankelijk van het op de markt komen van die Hololens 2. Volgens Suurmeijer een zeer complex apparaat en de grootste r&d-investering in de historie van Microsoft. ‘Komt die breed beschikbaar, naar verwachting eind dit jaar, dan hebben wij al gauw nog een jaar nodig voordat er een commercieel product is. En daar moet dan een klant voor zijn. Dit type innovaties ontwikkelen wij samen met de klant om de risico’s te delen.’
Voor de medisch-technologische sector, waarvoor Benchmark ook werkt, staan Suurmeijer fascinerende toepassingen voor ogen, maar die vragen nog meer geduld: ‘Bijvoorbeeld in de operatiekamer waar de chirurg met AR/VR, gevoed met MRI-beelden, in het lichaam van de patiënt kan kijken en zo heel nauwkeurig invasieve chirurgie kan uitvoeren. Maar voordat zo’n applicatie de markt bereikt, zijn we zeker vijf jaar verder.’
Fout voorspellen?
De geluiden van experts uit het veld maken duidelijk dat de tijd tot volwassenheid van innovaties soms anders ingeschat wordt dan door Gartner. Fout voorspellen doen ze bij Gartner echter nauwelijks, stelt analist Gilbert van der Heiden. ‘Wij geven bij het opstellen van een innovatieprofiel aan hoeveel jaar die nodig heeft om mature te worden, waarbij we heel goed specificeren waarom we dat denken. Die voorspelling stellen we elk jaar bij. Dus compleet ernaast zitten we zelden.’
Toch is hij al een paar keer verrast, door technologieën die niet in het hart van zijn expertiseveld liggen. ‘Het gebruik van 3D-printing in de industrie is bijvoorbeeld veel sneller gegaan dan ik had verwacht. Bij artificiële intelligentie in diensten daarentegen, gaat het langzamer dan je zou denken op basis van de interesse van eindgebruikersorganisaties en de investeringen van leveranciers. Niettemin zal de toepassing van intelligentie in producten en diensten verder toenemen in elke industrie, inclusief de hightech. Van patroonherkenning en geautomatiseerde response, zoals veel robotic process automation, tot holistische analyse en het voorspellen van gedrag – predictive analytics – in combinatie met machine learning voor preventief onderhoud van apparatuur. Daarnaast zal deze intelligentie steeds meer ingebakken worden in producten van allerlei formaten die onafhankelijk of in relatie tot elkaar kunnen interacteren met de omgeving en zich aanpassen – zoals de zelfrijdende auto’s die we al kennen en die straks gemeengoed zijn.’
De hype cycle: waar levenscyclusfase en marktverwachtingen elkaar ontmoeten
Gartner ontwikkelt jaarlijks ruim honderd hype cycles voor verschillende technologische domeinen, om klanten inzicht te geven in het huidige maturity-niveau en toekomstig potentieel van innovaties die voor hun sector relevant zijn. Wáár een innovatie een plek krijgt op de hype cycle, wordt bepaald aan de hand van enerzijds marktsignalen die iets zeggen over het verwachtingsniveau (expectations, verticale as) en anderzijds de tijd (time, horizontale as) die verstrijkt op weg naar maturity. Horizontaal is de hype cycle onderverdeeld in vijf stadia. De eerste, Innovation Trigger, markeert een periode van snel toenemende belangstelling voor de innovatie. Gedurende de Peak of Inflated Expectations krijgt de innovatie veel media-aandacht, afficheren ondernemingen zich er graag mee en willen investeerders die in hun portfolio. Tijdens de Trough of Disillusionment melden media meer negatieve ervaringen en raakt de innovatie bij leveranciers en gebruikers snel in diskrediet. Tijdens de Slope of Enlightenment wint ze weer aan populariteit, maar nu op een meer solide basis: eerder opgedane ervaringen zijn vertaald in verbeteringen van de innovatie en het productieproces. Het Plateau of Productivity, ten slotte, markeert de periode waarin de innovatie geaccepteerd is en breed wordt toegepast.
