Geschreven door Greywise Consultancy in samenwerking met Enjins
Wat is Artificial Intelligence (AI)?
Om het thema van Artificial Intelligence binnen de muren van de fabriek beter te begrijpen, is het van belang om in te gaan op de vraag: Wat is AI?
Geschreven door Greywise Consultancy in samenwerking met Enjins
Om het thema van Artificial Intelligence binnen de muren van de fabriek beter te begrijpen, is het van belang om in te gaan op de vraag: Wat is AI?
Artificial Intelligence creëert business waarde door repetitieve keuzes te automatiseren en/of te optimaliseren.
Technologisch bedrijven hebben baat bij AI omdat dit zorgt voor een schaalbaar bedrijfsmodel: met hetzelfde aantal assets een grotere groep gebruikers adresseren, een hogere omzet realiseren, etc. Een voorbeeld hiervan is Netflix. Het Netflix algoritme doet iedere dag miljoenen voorspellingen (elke keer als een gebruiker inlogt op Netflix). Enerzijds, automatiseren zij de keuzes welke film of serie wordt aangeraden. Er komt tenslotte geen filmexpert aan te pas. Anderzijds, optimaliseert het diezelfde keuze door op basis van historische informatie en kijkgedrag, de optimale film of serie aan te bieden. Het doel is dat het algoritme het beter zou kunnen dan een film expert. Vaak gaan de twee (het algoritme en de expert) hand-in-hand. Soms ook niet. Hoe vaker een keuze opnieuw gemaakt moet worden, hoe beter Artificial Intelligence kan leren van historisch gemaakt keuzes.
Waar technologische bedrijven schaalvoordelen ervaren door AI, is dat voor productie (maak) bedrijven in mindere mate het geval. AI zal er in veel situaties niet direct voor zorgen dat een productieproces in output zal verdubbelen en daarmee een grotere groep klanten kan adresseren (schaalbaarder wordt). AI is voor productiebedrijven interessant daar waar repetitieve keuzes worden gemaakt. Voorbeelden hiervan zijn gerelateerd aan forecasting en planning, optimalisatie van productieprocessen en het voorspellen van onderhoudsbehoeften. AI kan zo dus wel zorgen voor productiviteitsverhoging.
Machine Learning (ML) is een subset van Artificial Intelligence (AI). Het is een verzamelterm voor machines (algoritmes) die menselijke keuzes nabootsen door op basis van historische data voorspellingen te doen, welke vertaald worden tot een keuze. Hierin onderscheid Machine Learning zich van de bredere term AI, die ook het automatiseren en optimaliseren zonder voorspellingen omvat. Denk hierbij aan automatische beslissingen op basis van vooraf geprogrammeerde regels: als dit, dan dat. De kenmerkende eigenschap van Machine Learning is juist dat deze regels niet vooraf geprogrammeerd worden, maar geleerd worden vanuit de data.
Vaak wordt Machine Learning in een adem genoemd met zelflerende algoritmes. De veelvoorkomende misconceptie hierdoor is dat Machine Learning zelf het initiatief neemt om opnieuw te leren, waardoor de mens (Data Scientist) niet meer in controle is van het algoritme zelf. Dat is over het algemeen niet het geval. Machine Learning algoritmes worden tijdens de ontwikkelfase getraind op bestaande datasets, waarmee zij op basis van deze historische dataset de optimale beslissingen in verschillende situaties kunnen leren. Wanneer dit algoritme vervolgens in de praktijk gebruikt wordt, worden alle nieuwe beslissingen genomen op basis van het vooraf getrainde model. Wanneer nieuwe data verzameld is kan het zeker waardevol zijn het model te hertrainen, en dit kan op den duur geautomatiseerd worden, maar een continu zelflerend algoritme is eerder uitzondering dan regel.
Deze vraag kun je beantwoorden door te kijken in welke mate ChatGPT instaat is een eindexamen af te leggen. Maar dat is niet waar momenteel in het bedrijfsleven AI wordt ingezet en waarde creëert. Een concreter voorbeeld, dat representatief is voor hoe AI wordt ingezet, is het pricing algoritme van Uber. Door te voorspellen waar drukte ontstaat, en menselijk gedrag op basis van prijswijzigingen te voorspellen, wordt continu de optimale prijs voor de passagier en compensatie voor de chauffeur bepaald die zorgt voor minimale wachttijden voor de klant, en tegelijkertijd de marges voor Uber optimaliseert. Intelligent? Allicht. Echter, als je het algoritme zou vragen om de prijs van een buskaartje of vliegticket te bepalen, staat het met lege handen. Alle bepalende factoren zijn in deze context namelijk anders. Kortom, het algoritme optimaliseert alleen binnen de data en het keuzeproces waarop het getraind is. Daarbuiten kan het slecht inkleuren. Daarbinnen, daarentegen, zal het meer onderlinge verbanden kunnen leggen dan iedere menselijke expert.
Waar AI zich richt op het automatiseren en/of optimaliseren van repetitieve keuzes, richt BI zich op het analyseren en interpreteren van gegevens om strategische beslissingen te ondersteunen. BI omvat meestal het verzamelen, opslaan en analyseren van gegevens uit verschillende bronnen, zoals databases, spreadsheets en andere bedrijfssystemen. Het doel van BI is om bruikbare inzichten te bieden die beslissingen kunnen ondersteunen.
AI kan worden gebruikt om processen te automatiseren, gegevens te analyseren en voorspellingen te doen op basis van patronen en trends. In de context van productie kan AI worden gebruikt om productieprocessen te optimaliseren, onderhoudsbehoeften te voorspellen en de productkwaliteit te verbeteren.
Greywise helpt productiebedrijven met het versnellen van de transitie naar de fabriek van de toekomst.
Dit begint op strategisch niveau en eindigt met een succesvolle implementatie van manufacturing-IT oplossingen. Denk hierbij aan MES, WMS, MOMS, Scheduling en QC-applicaties.
De technische concepten vertalen naar impact op de operatie in heldere niet-technische taal en het creëren van overzicht waardoor de klant wordt meegenomen in de verandering, daar ligt de kracht van Greywise.
Een onafhankelijk partij tussen de leverancier en de klant is een bewezen strategie voor succes.
Enjins ontwikkelt strategieën en implementeert machine learning oplossingen bij innovatieve bedrijven.
Ze helpen bedrijven om hun data en AI in te zetten voor slimmere besluitvorming en automatisering. Naast productiebedrijven helpen ze bedrijven in verschillende sectoren en op verschillende niveaus van data- en AI-maturiteit.