Betrouwbare AI op de fabrieksvloer: hoe verhogen we tegelijk de productiviteit en duurzaamheid?
Generatieve AI-agenten bewijzen al hun waarde op gebieden zoals programmeren en schrijven. Maar de stap zetten van digitale toepassingen naar betrouwbare, real-world fabrieksoperaties is een heel andere uitdaging.
Een agent kan productiegegevens analyseren, een terugkerend defect onderzoeken of een ingreep voorstellen. Maar kan hij wel betrouwbaar functioneren binnen operationele randvoorwaarden? Kan hij herkennen wanneer data onvolledig of verouderd is? En weet hij wanneer hij moet stoppen om menselijke input te vragen?
Dit zijn enkele van de vragen die aan de basis liggen aan ons werk rond het AIMM-framework (AI-enabled Manufacturing and Maintenance).
Met veel plezier delen we onze nieuwe whitepaper, ontwikkeld binnen onze werking bij VITO, samen met Ivo Adan en Nitish Singh van de Technische Universiteit Eindhoven, en gevormd door waardevolle bijdragen van industriële partners in Brainport en Vlaanderen.
Fabrikanten werken met bestaande infrastructuur en grote hoeveelheden digitale informatie, terwijl ze te kampen hebben met tekorten aan vaardigheden en de druk om energie en materialen efficiënt te gebruiken. Deze omstandigheden scheppen zowel een kans als een uitdaging voor AI-agenten die zij aan zij met mensen werken om productiviteit en duurzaamheid te verbeteren.
Ons centrale idee is dat betrouwbare agentic AI meer vergt dan betere modellen. Het vraagt om een systeemtechnische aanpak die infrastructuur, betekenisvolle data, schaalbare en veilige diensten, en duidelijke verantwoordelijkheden en kennisdeling tussen mens en agent samenbrengt.
Die fundering is cruciaal voor zowel productiviteit als duurzaamheid. Ze helpt fabrikanten om de prestaties van apparatuur te verbeteren, pieken in het energieverbruik te verlagen en een meer circulair gebruik van hulpbronnen te ondersteunen.
We brengen deze elementen samen in een vierlagig framework, geïllustreerd aan de hand van een onderzoek naar Overall Equipment Effectiveness (OEE). Dezelfde benadering, samen met investeringen in de onderliggende infrastructuur en diensten, kan verdere toepassingen ondersteunen, waaronder productieplanning, onderhoud van apparatuur en kwaliteitsverbetering.
Hartelijk dank aan iedereen die heeft bijgedragen aan de discussies en de ontwikkeling van dit werk, en aan Brainport Industries en het European Supply Chain Forum (ESCF) voor de publicatie ervan.
Meer over het AIMM-framework (AI-enabled Manufacturing and Maintenance)
Wil je meer weten over deze whitepaper en hoe AI-agenten betrouwbaar kunnen worden ingezet in uiteenlopende productieomgevingen om zowel de productiviteit als de duurzaamheid te vergroten? Neem dan gerust contact op met Shane.