De AI-revolutie is hier – nu is het tijd om mee te doen
Kunstmatige intelligentie (AI) speelt vooral in Industrie 4.0 in op zijn sterke punten. De systemen maken voorspellend onderhoud tot een realiteit, maken van robots autonome helpers in de slimme fabriek en brengen fouten in de productie aan het licht. De technologie mag echter niet langer alleen de aandacht hebben van onderzoek- en ontwikkelingsafdelingen van grote ondernemingen, want zij is nu voor iedereen betaalbaar. De gids laat aan de hand van voorbeelden zien waar en hoe de voordelen van AI op rendabele wijze kunnen worden benut en welke standaardcomponenten vandaag reeds beschikbaar zijn.
Kunstmatige intelligentie is momenteel een van de drijvende krachten achter de digitale transformatie. De beloften zijn groot, ook al kunnen ze nu niet allemaal worden vervuld. Want zogenaamde sterke AI is nog iets van de toekomst – d.w.z. systemen die zijn uitgerust met intellectuele, mensachtige vermogens.
Zelflerende software daarentegen, die op precies één taak is toegesneden, verovert steeds meer ons dagelijks leven. Dergelijke systemen voor machinaal leren worden niet geprogrammeerd zoals klassieke software, maar worden getraind met een grote hoeveelheid gegevens. In het gebruik leren zij dan voortdurend bij. Deskundigen vatten dergelijke methoden samen onder de term zwakke AI. Maar het woord “zwak” geeft een verkeerde indruk van de mogelijkheden van de systemen. Omdat ze nu al indrukwekkend zijn – en we staan nog maar aan het begin van de ontwikkeling.
In het dagelijks leven bestuurt software op basis van machinaal leren bijvoorbeeld verwarmings- of verlichtingssystemen in de smarthome. Veel van de apps op onze smartphones maken ook gebruik van AI. In bedrijven nemen intelligente chatbots de communicatie met klanten over. En in auto’s neemt AI steeds meer taken van de mens over – tot aan de autonome besturing van het voertuig toe.
IoT-gegevens maken onderhoud efficiënter
Kunstmatige intelligentie laat haar toegevoegde waarde bijzonder duidelijk zien in de industrie. Dit geldt in de eerste plaats voor toepassingen waarbij het wordt gebruikt om gegevens uit het internet van dingen (IoT) te verwerken. Sensoren van de productiemachines verschaffen allerlei verschillende informatie – bijvoorbeeld over snelheid, temperatuur of druk. Als deze gegevens worden gecombineerd met andere gegevens – bijvoorbeeld uit de productiecontrolesystemen – en met een AI-systeem worden geanalyseerd, kunnen verbazingwekkende inzichten worden verkregen. Industriële bedrijven kunnen het gebruiken om in een vroeg stadium te herkennen wanneer een machine niet meer functioneel is. Onderhoudswerkzaamheden worden uitgevoerd wanneer dat echt nodig is en voordat de machine echt stuk gaat. Dit maakt het onderhoud efficiënter en voorkomt stilstandtijden. We hebben het over voorspellend onderhoud.
20.000 tot 30.000 sensorberichten per machine
In zijn fabriek in München verzamelt autofabrikant BMW bijvoorbeeld sensorgegevens van 600 laspistolen die door robots worden gebruikt bij de carrosseriebouw. Sensoren meten de wrijving drie keer per shift en rapporteren wanneer zich afwijkingen voordoen. Software evalueert voortdurend de gegevens met behulp van AI en kan zo voorspellen wanneer een storing dreigt.
Ook de fabrikant van drukpersen Koenig & Bauer analyseert de gegevens van zijn producten. Het bedrijf ontvangt dagelijks 20.000 tot 30.000 sensorberichten per machine. Ook hier is het de bedoeling dat het onderhoud en de daarmee samenhangende uitvaltijden op een geplande manier plaatsvinden.
Voorspellend onderhoud met behulp van AI kan een belangrijke kostenfactor worden. Alleen al Duitse productiebedrijven geven jaarlijks in totaal 14 miljard euro te veel uit aan onderhoudskosten (volgens de gids van het Machine Tool Laboratory (WZL) van de RWTH Aachen University, dat zich bezighoudt met voorspellend onderhoud).
Machine learning detecteert scheuren in autocarrosserieën
Kunstmatige intelligentie levert ook concrete voordelen op voor de kwaliteitsborging. Dit is bijvoorbeeld te zien in de perserij van Audi in Ingolstadt. Camera’s controleren alle onderdelen daar direct na productie. Zelf ontwikkelde software voor machinaal leren analyseert deze beelden. Als hij defecten in de plaatmetalen onderdelen ontdekt – zoals kleine scheurtjes – markeert hij die met pixelprecisie. Op die manier versnelt de software de inspectieprocessen omdat de camera’s vroeger voor elk nieuw onderdeel moesten worden geconfigureerd. Dankzij het leervermogen van AI is dit niet langer nodig. Het systeem zorgt ook voor meer betrouwbare resultaten.
Het voorbeeld illustreert het potentieel dat AI biedt, met name op het gebied van kwaliteitscontrole via beeldverwerking. Veel taken zijn daar moeilijk te formaliseren – onder meer vanwege de verscheidenheid aan mogelijke gebreken. Als u deze taken wilt volbrengen met een klassiek beeldverwerkingssysteem, is daarvoor een deskundige nodig. Dit is niet nodig bij een systeem dat werkt met machinaal leren. Het leert door een bepaald aantal beelden te zien. Daarna kan het zelfstandig de defecten op de onderdelen herkennen.
De volgende stap zou zijn dat een productiemachine zichzelf corrigeert wanneer zij een defect onderdeel produceert. Dankzij AI ligt deze mogelijkheid binnen handbereik. Een voorbeeld is een project van het Augsburgse Instituut voor Textieltechnologie. De deskundigen gebruiken AI om te herkennen hoe verschillende machineparameters – bijvoorbeeld snelheid – verband houden met de kwaliteitsparameters van de producten tijdens de productie van nonwovens. De machine wordt dan verondersteld zelfstandig fouten vast te stellen en de nodige aanpassingen te doen. Op die manier moet het mogelijk zijn het aantal afgekeurde produkten met 30 à 50 % te verminderen.
Robot wordt kwaliteitsinspecteur
Maar dit zijn bij lange na niet alle mogelijke toepassingen van kunstmatige intelligentie in de industrie. Vandaag de dag stelt de technologie robots al in staat om grotendeels autonoom te handelen. Camera’s worden de ogen van de mechanische helpers. AI verwerkt de optische informatie en helpt zo bij de oriëntatie.
Een voorbeeld komt uit de kwaliteitszorg. In het Aumero onderzoeksproject hebben Zeiss, BMW en wetenschappers van de Universiteit van Ulm een autonome meetrobot ontwikkeld. Hij kan onder meer onafhankelijk de kierafmetingen van carrosseriedelen, zoals autodeuren, inspecteren. Met behulp van camera’s herkent Aumero zijn doel zelfstandig en lijnt zich uit met de carrosserie van de auto om de tussenruimte te meten. De gebruiker selecteert via software het te inspecteren object, de ruwe locatie en vervolgens het meetplan. De robot doet de rest zelf.
AI wordt ook gebruikt om mobiele robots of zogenaamde bestuurderloze transportsystemen (AGV’s) te helpen navigeren door fabriekshallen. Er zijn proefprojecten met robots die zijn uitgerust met 3D-camera’s. De beeldgegevens worden via een draadloze 5G-verbinding naar een computer gestuurd en daar met AI geëvalueerd. Op die manier kan een AGV niet alleen obstakels identificeren, maar ook herkennen of het bijvoorbeeld om een werknemer of een pallet gaat. Als het een mens is, beweegt de robot er met de nodige minimumafstand omheen.
Op die manier kunnen de mobiele robots ook in de fabriekshallen naar dingen zoeken. Als een bepaald voorwerp in de fabriekshallen ontbreekt, gaat er via het ERP-systeem een commando naar de robot. De robot begint dan te zoeken en kan het voorwerp lokaliseren met behulp van beeldverwerking en AI. Als het succesvol is, stuurt het een overeenkomstige boodschap naar het systeem.
Eenvoudige programmering in robotica
AI breidt echter niet alleen de mogelijkheden van robots uit. Dankzij de technologie kunnen ze ook gemakkelijker worden geprogrammeerd. Een aantal bedrijven heeft overeenkomstige procedures ontwikkeld op basis van machinaal leren. Om de robot zijn taak te leren, leidt de gebruiker de robotarm bijvoorbeeld met zijn hand. Deze bewegingen worden geregistreerd door een camera en een kracht-moment-sensor en vervolgens verwerkt met behulp van AI. Bij een andere methode gebruikt de gebruiker een met een sensor uitgeruste pen om de beweging aan te geven die de robot moet uitvoeren. Als de robot bijvoorbeeld wordt gebruikt om te lassen, verplaatst de gebruiker de pen gewoon langs het laspad op het overeenkomstige werkstuk. De software genereert vervolgens de programmeercode voor de robot.
Ook kmo’s kunnen AI gebruiken
Kleine en middelgrote ondernemingen kunnen nu ook van deze voordelen profiteren. Dit kan niet als vanzelfsprekend worden beschouwd. Het gebrek aan knowhow en geschoolde werknemers maakt het voor KMO’s niet gemakkelijk om AI-systemen in te voeren. Bovendien hebben zelflerende systemen gegevens nodig waarmee zij kunnen worden getraind. Deze zijn echter niet altijd in voldoende hoeveelheden beschikbaar in kleine en middelgrote ondernemingen.Maar terwijl het onderzoek en de toenemende computercapaciteit het aantal AI-toepassingen in het algemeen sterk hebben doen toenemen, zijn ook de toegangsdrempels voor het gebruik van de technologieën verlaagd. Intussen kunnen zelfs kleine en middelgrote ondernemingen zich uitrusten met gemakkelijk te gebruiken technologie. Zo kunnen zij niet alleen een eerste ervaring opdoen, maar ook complexe AI-projecten uitvoeren.
Van LiDAR tot Raspberry Pi – de technologie is er
Daartoe behoren goedkope LiDAR-sensoren, krachtige LiDAR-laserscanners of meerlaagse LiDAR-systemen. Sensoren leveren immers de gegevens waarmee AI-systemen werken. Zonder gegevens kan de AI praktisch niets doen. En een LiDAR-systeem kan informatie verschaffen uit veel verschillende gebieden. Hij kan bijvoorbeeld worden gebruikt als afstands-, niveau- of afstandssensor, als veiligheidssensor voor AGV’s of voor obstakelvermijding bij robots. De technologie schept dus de basisvoorwaarde voor het gebruik van AI in zeer veel toepassingen.Raspberry Pi of Arduino, bijvoorbeeld, kunnen dienen als instaptechnologie. Wat begon als een enkelkaartscomputer voor particuliere hobbyisten heeft nu de industrie bereikt. Met de Raspberry Pi kunnen onder andere beeldverwerkingstoepassingen op een eenvoudige manier worden geïmplementeerd. De computer kan ook worden gebruikt om automatiserings- en regelsystemen te controleren. Populaire producten zijn het Portenta H7 Board, het Google Coral Dev Board, vooral in combinatie met de Google Coral USB Accelerator, en het MAX78000 Feather Board.
Met het Robot Operating System (ROS) is ook een open-source raamwerk beschikbaar voor de ontwikkeling van bijvoorbeeld autonome systemen. Het voordeel ervan is dat het gemakkelijk te gebruiken is. Gebruikers kunnen toepassingen programmeren zonder kennis van zaken. Het spectrum van mogelijkheden is groot: ROS ondersteunt 145 robotsystemen. De TurtleBot3 dient als het officiële ontwikkelingsplatform van de organisatie voor bedrijven, onderzoeksinstellingen en universiteiten. De TurtleBot3 is uitgerust met een Raspberry Pi ontwikkelbord, een 360° LiDAR systeem, een OpenCR besturingseenheid, een Raspberry Pi camera en twee servo-motoren voor de voortbeweging.Verder zijn er standaardrobots, zoals de Dingo, die onder meer geschikt is voor onderzoeks- en onderwijsprojecten, en kan worden uitgebreid met allerlei extra modules, bv. met een 3D-camera. Een robot als de QUADRUPED Go2 Air, die is uitgerust met uiterst nauwkeurige sensoren en krachtige kunstmatige intelligentie, en die op de meest uiteenlopende terreinen kan opereren, is bijzonder geschikt voor de ontwikkeling van autonome systemen.
Conclusie
Het onderwerp AI heeft veel potentieel en zal een impact hebben op alle gebieden van de verwerkende industrie. Tegelijkertijd staat AI op het punt het concurrentielandschap radicaal te veranderen, waardoor early adopters enorme voordelen krijgen. Hoewel productiviteitsverhoging, kwaliteitscontrole en procesoptimalisatie meestal op de voorgrond staan, reiken de optimalisatiemogelijkheden verder en omvatten zij bijvoorbeeld ook productontwikkeling, logistiek en klantenervaring.
De technologieën en betaalbare standaardcomponenten zijn vandaag voor iedereen beschikbaar om mee te doen aan de grote AI-revolutie. Het is ook de moeite waard voor kleine en middelgrote ondernemingen. Omdat de voordelen van AI de beslissende meters kunnen brengen om de concurrentie voor te blijven.
Foto’s: Adobe Stock
