Europa voorloper in de toepassing van kunstmatige intelligentie voor de maakindustrie

Capgemini’s rapport ‘Scaling AI in manufacturing operations: A practitioners’ perspective’ analyseerde AI-implementaties bij de 75 grootste internationale organisaties in elk van de vier productiesectoren: industriële productie, auto-industrie, consumentenproducten en luchtvaart & defensie. Uit het onderzoek bleek dat AI een enorm potentieel heeft voor de maakindustrie om operationele kosten te verlagen en om zowel de productiviteit als de kwaliteit verder te verbeteren. Mondiaal opererende fabrikanten in Duitsland (69%), Frankrijk (47%) en het Verenigd Koninkrijk (33%) zijn de voorlopers in het toepassen van AI in hun dagelijkse operatie.

“De conclusies van het rapport sluiten erg aan met wat wij in de Nederlandse markt zien. Organisaties zetten nu de vervolgstap van pilots naar geïndustrialiseerde AI-oplossingen die (wereldwijd) uitgerold worden. De business case hiervoor is vaak sterk genoeg om de essentiële basisinfrastructuur, voor opschaling van AI, uit te rollen. Hiermee komt verdere optimalisering van OEE -Overall Equipment Effectiveness- voor deze organisaties binnen handbereik.”, aldus Marcel van de Griend, Lead Digital Manufacturing & Asset Lifecycle Management bij Capgemini in Nederland.

Belangrijkste conclusies uit het rapport zijn:

AI wordt al gebruikt en geeft de doorslag in de operationele waardeketen

Grote organisaties hebben behoorlijk profijt van het gebruik van AI in alle productieprocessen. Voorbeelden hiervan zijn onder meer het levensmiddelenbedrijf Danone, dat erin is geslaagd om de fouten in hun forecasts met 20% te verlagen en de omzetderving zelfs met 30% te verminderen door het gebruik van machine learning [1]. Bandenfabrikant Bridgestone heeft een nieuw assemblagesysteem geïntroduceerd met geautomatiseerde kwaliteitscontrole. Dit heeft ervoor gezorgd heeft dat de uniformiteit van het product met meer dan 15% is toegenomen [2].

Drie use-cases hebben de voorkeur om met de toepassing van AI te starten

Als fabrikanten beginnen met AI is dat in de regel met drie use cases (van de 22 unieke use cases die in de studie zijn geïdentificeerd), omdat deze een optimale combinatie van kenmerken bezitten die ze tot een ideaal startpunt maken. Deze kenmerken zijn onder meer: duidelijke bedrijfswaarde, relatief eenvoudige implementatie en de beschikbaarheid van data- en AI-vaardigheden. De door Capgemini geïnterviewde beslissers merkten op dat productkwaliteit en intelligent onderhoud gebieden zijn waar AI het eenvoudigst geïmplementeerd kan worden en het beste rendement oplevert. Zo heeft General Motors een systeem getest om signalen van robotstoringen te herkennen voordat deze plaatsvinden [3]. Dit helpt GM om de kosten van ongeplande uitval te vermijden, die tot 20.000 dollar kunnen oplopen per minuut stilstand. Hoewel de geïnterviewden in het onderzoek het erover eens zijn met welke toepassingen het beste kan worden gestart, laat het onderzoek ook zien dat er behoorlijke uitdagingen zijn op het moment dat fabrikanten het gebruik van AI verder willen opschalen om systematisch het potentieel van AI te kunnen benutten.

“Naarmate de implementatie van AI in de productieomgeving volwassener wordt, zullen we grote ondernemingen de overgang zien maken van pilots naar een bredere inzet”, aldus Pascal Brosset, Chief Technology Officer voor Digital Manufacturing bij Capgemini. “Organisaties richten hun inspanningen in eerste instantie op use cases die de snelste en meest tastbare return on investment opleveren: met name in geautomatiseerde kwaliteitscontrole en intelligent onderhoud.

De geïnterviewden waren van mening dat dit functies zijn die aanzienlijke kostenbesparingen kunnen opleveren, de nauwkeurigheid van de productie kunnen verbeteren en verspilling kunnen elimineren. Maar de beslissers focussen zich niet alleen op deze use cases, ze bereiden zich parallel voor op de toekomst door een deel van de besparingen te herinvesteren in het bouwen van een schaalbare data/AI-infrastructuur en het ontwikkelen van de ondersteunende vaardigheden. Het rapport besluit met aanbevelingen om AI in de productieactiviteiten te schalen (zie onderstaande figuur):

Klik hier om het volledige rapport te lezen.

Onderzoeksmethode

Capgemini heeft uitgebreid bronnenonderzoek gedaan naar de AI-initiatieven die worden getest en geïmplementeerd door 300 wereldwijde fabrikanten – de top 75 van wereldwijde organisaties in vier productiesectoren (industriële productie, auto-industrie, consumentenproducten en luchtvaart) – op basis van hun jaarlijkse wereldwijde inkomsten in elk van de vier hierboven genoemde sectoren.

Capgemini interviewde ook meer dan 30 senior-managers uit de productiesector, behorend tot de volgende sectoren: industriële productie, auto-industrie, consumentenproducten en luchtvaart.

[1] Toolsgroup, “Ex Machina: AI and the future of Supply Chain Planning”, januari 2016.

[2] Harvard Business School, “Bridgestone: Production System Innovation Through Machine Learning”, november 2018.

[3] iFlexion, “Image Classification Everywhere in Automotive,” geraadpleegd in september 2019.