Van vogel- naar kikkerperspectief
Bedrijfsleiders van KMO’s of innovatiemanagers in grotere bedrijven benaderen AI soms vanuit een high-level strategisch oogpunt. Al dan niet ingebed in een algehele strategie voor digitale transformatie. Uit dergelijke oefening komt dan een brede analyse van de mogelijke opportuniteiten van AI en andere digitale technologie in hun bedrijf. En dat is zeker een nuttige oefening om te maken. De moeilijkheid ligt dan vaak in het vertalen van dergelijke helikopteranalyse naar een concrete eerste applicatie om op te focussen en hiervoor een aanpak te definiëren.
Zeker voor het optimaliseren van interne bedrijfs- en productieprocessen zijn er vaak snelle winsten te boeken door op een slimme en gestructureerde manier naar de bestaande data en workflows te kijken. En omdat die meestal al erg geoptimaliseerd zijn, is het inbrengen van AI-technologie vaak dé manier om er nog verbeteringen in aan te brengen.
AI voor interne bedrijfsprocessen
Twee zaken zijn daarbij belangrijk. Ten eerste de bewustwording van je eigen beperkingen. Vlaanderen telt nog heel wat maakbedrijven. Denk aan sectoren als textiel, farma, automotive, bouw, materialen, machinery… Dergelijke bedrijven zijn experts in hun eigen processen. Het ontbreekt hen echter soms aan technische kennis om de waarde van hun grote datasets in te schatten en een strategie om hun proceskennis te vertalen naar bijvoorbeeld een voorspellend model. Er is dan ook veel winst te halen door een AI-expert zich te laten verdiepen in je interne keuken.
Ten tweede is het belangrijk om altijd voor ogen te houden welke meerwaarde je uiteindelijk realiseert. Gaat het er bijvoorbeeld om de productiekosten naar beneden te halen, de doorlooptijd te verkorten, downtime te vermijden of de operator beter of veiliger te laten werken? Als er geen duidelijke bedrijfsmatige meerwaarde te behalen is, heeft het vaak weinig zin om AI of enige andere digitalisering toe te passen.
Het is erg nuttig om in elk geval al grondig te kijken naar de data die al aanwezig is in je bedrijf.
Veel bedrijven loggen een grotere hoeveelheid data dan waar ze bewust van zijn. Misschien vallen daar wel patronen of correlaties in te ontdekken die slimme verbeteringen mogelijk maken?
Naast de deep-dive in grote datasets en het herkennen van patronen, is het ook belangrijk om een IT-architectuur te voorzien die geschikt is om enerzijds deze datasets te beheren, maar ook om de nodige rekenkracht voor machine learning modellen te leveren. In algemene termen kan een dergelijke aanpak leiden tot onmiddellijke winsten op het vlak van onderhoud (predictive maintenance), productiviteit, kostefficiëntie en productkwaliteit.
AI voor nieuwe businessmodellen
Een ander AI-scenario kan je toepassen op de ontwikkeling van bestaande producten of services en de daaraan gekoppelde businessmodellen. Neem als voorbeeld een bedrijf in de verlichtingsindustrie voor publieke ruimtes of industriële gebouwen. Daarin is al een trend zichtbaar om te evolueren van een productaanbod (lampen) naar een servicemodel (licht). Een stap verder is om te kijken naar allerhande combinaties die kunnen ontstaan met aanverwante sectoren en/of databronnen. Denk aan veiligheid (bv. in parken), concentratievermogen (bv. in scholen), gezondheid (bv. in rusthuizen), doorstroming (bv. in steden) etc. Of welke extra inzichten kan je genereren door ook opnames van geluid, beeld etc. in je analyses op te nemen? Dit is exact wat we met imec onderzoeken in het Smart Zone project als onderdeel van City of Things in Antwerpen.
Off-the-shelf technologie
En er is al een groot aanbod aan onmiddellijk inzetbare oplossingen op de markt. In concrete samenwerkingen met de industrie – zoals in bilaterale “klant-leverancier” of funded ICON-projecten – gaat het vaak om het slim inzetten en combineren van off-the-shelf technologie. Je kan al ver geraken met bestaande neurale netwerken, beschikbare programming frameworks als een Microsof Machine learning studio, TensorFlow, en hardware computing platformen als Azure cloud, Amazon AWS, Nvidia DGX,... .
Imec reikt de hand naar zowel bedrijven met AI-vraagstukken als deze met een mogelijke bijdrage aan de oplossingen.
Meer weten?
-
Projectpagina over hoe er met slimme verlichting geëxperimenteerd wordt binnen het Smart Zone project in Antwerpen.
Joris Vanderschrick has a degree in Electro-Mechanical engineering. He has over 16 years experience in different roles from application engineering to business development, at different technology, product development & innovation consultancy companies. He has been following up on the digital transformation initiatives and trends in a broad range of sectors eg. from manufacturing, equipment & machinery, consumer to medical.
Joris is now working in the LivingLabs & Application prototyping division of imec Innovation services, focusing on digital innovation via agile application development, validated with iterative user testing. Typical core technological focus areas are Iot & Mobile, AR & VR, Machine Learning & Artificial Intelligence.
Gepubliceerd op:
10 mei 2019