Vrijwel geen enkele sector lijkt te ontkomen aan een tekort aan (gekwalificeerd) personeel. Een uitdaging, want daardoor wordt de dienstverlening van organisaties mogelijk beperkter. Kunstmatige intelligentie (AI) kan hierin een ondersteunende rol spelen, bijvoorbeeld met predictive maintenance en condition monitoring. Dat zijn dan ook technologieën waar Lenze al vol op inzet.
Sneller en slimmer ingrijpen met data
AI vindt zijn weg naar steeds meer toepassingen. Denk bijvoorbeeld aan geautomatiseerde opslagsystemen in magazijnen of op vliegvelden, die ook zelfstandig de benodigde producten weer op kunnen halen. Aan de sorteermachines die retour gestuurde producten automatisch naar de goede plek brengen. Of aan robots die zelf producten kunnen inpakken en op een pallet kunnen plaatsen, zodat ze klaar zijn voor verzending.
Die machines moeten echter ook allemaal onderhouden worden. Niet alleen om slijtage te voorkomen, maar tevens om in te grijpen bij een defect. Dat wordt een steeds grotere uitdaging nu het lastig is om gekwalificeerd personeel te vinden of te houden. Machinebouwers hebben dus hulp nodig om hun klanten voldoende te kunnen blijven ondersteunen.
Met predictive maintenance wordt ingegrepen voor er problemen zijn, zodat de downtime afneemt
Ook op dit gebied kan AI uitkomst bieden. Machines genereren namelijk tal van gegevens, die met AI slim ingezet kunnen worden. Het gaat dan bijvoorbeeld om data over de inzet van het apparaat, binnen welke uren deze werkt, de temperatuur, energieverbruik en foutinformatie. Dit soort informatie kan gebruikt worden voor energiebeheer in een fabriek, voor predictive maintenance en voor condition monitoring.
Onderhoud en reparaties
Predictive maintenance en condition montoring zijn bij uitstek technologieën die verlichting kunnen bieden bij personeelstekorten. Veel organisaties werken nog met reactief onderhoud: onderhoud dat plaatsvindt nadat iets niet meer werkt. Dit betekent dat het apparaat enige tijd niet gebruikt kan worden, met mogelijk downtime en hoge kosten als gevolg. Hoe lang die downtime is, hangt af van hoe snel er een reparatieteam ter plaatse kan zijn om het probleem op te sporen en te verhelpen.
Predictive maintenance, wat Lenze nu beschikbaar heeft gemaakt, biedt hier een oplossing. Bij deze technologie analyseert een AI-model alle data die een machine genereert. Op basis daarvan kan het model voorspellen wanneer onderhoud nodig is. Niet omdat er op dat moment iets mis gaat, maar om te voorkomen dat de machine reparaties nodig heeft. Een onderdeel slijt immers niet zomaar, dat gaat vaak geleidelijk.
Schaars personeel kan dus slimmer worden ingezet. Doordat er met predictive maintenance ingegrepen kan worden voordat er daadwerkelijk problemen zijn, neemt de downtime af. Bovendien hoeft er minder tijd aan onderhoud besteed te worden – je kunt immers van tevoren inplannen wat wanneer nodig is – en er hoeft niet meer halsoverkop iemand naar de fabriek te komen voor de reparatie. En mocht een werknemer besluiten het bedrijf te verlaten, dan blijft de kennis wel binnen de organisatie aanwezig.
Gaat er dan toch wat mis, dan kan het probleem met condition monitoring snel opgespoord worden. Door de data van machines constant te monitoren, wordt het ook duidelijk als er ergens iets niet optimaal werkt. Een goed voorbeeld zijn de transportwielen van warehouses waar een plat stuk in is gesleten. Daardoor draait het wiel minder snel, wat in de data opgemerkt kan worden zonder dat hiervoor sensoren hoeven worden ingezet. Een onderhoudsteam weet op die manier dat er ergens een probleem zit en waar dat probleem ongeveer zou moeten zitten. Dat scheelt hen tijd, hardware, kosten en de downtime wordt zo opnieuw minder.
De Makers Top 100 goed voor 102 miljard omzet en 300.000 banen.
Link naar De Makers Top 100
Zo min mogelijk interactie
Een belangrijk aandachtspunt is dat lang niet iedereen voldoende kennis heeft om met AI-systemen om te gaan. Hoe moet je data en analyses interpreteren? Met welke foutmarges moet je rekening houden? Om dergelijke afwegingen te maken, heeft je engineerteam andere skillsets nodig.
Lenze richt zijn AI-systemen daarom op zo’n manier in, dat gebruikers er zo min mogelijk mee hoeven te interacteren. AI wordt meer ingezet als een slimme assistent onder de motorkap. Veel gebruikers zien dus vooral een melding dat er iets aan de hand is, zonder dat ze zelf diep in de data hoeven te graven. Gebruikers kunnen wel tickets invoeren en feedback leveren om de prestaties van de AI te verbeteren.
Chatten met GenAI
Een relatief nieuwe ontwikkeling binnen de wereld van AI is generatieve AI, vooral bekend in de vorm van ChatGPT. Dergelijke technologie kan ook voor machinebouwers uitkomst bieden. Het is namelijk mogelijk om een generatief AI-model te trainen op de kennis die binnen een bedrijf aanwezig is. Vervolgens kan een werknemer met het model chatten, om zo benodigde kennis naar boven te halen.
Ook dit is een oplossing waar Lenze aan werkt. Het bedrijf heeft nu een ‘GenAI Chatbot for Application Engineers’ in een experimentele fase zitten. Deze chatbot krijgt toegang tot de kennisbank van Lenze, zodat producten en diensten sneller ontwikkeld kunnen worden.
