Kunstmatige intelligentie (AI) wordt overal toegepast, ook in de sector van industrieel onderhoud.
Industriële bedrijven proberen al lange tijd af te stappen van reactieve of preventieve onderhoudsprocessen (PM). Met de juiste technologieën kunnen ze overstappen op voorspellend onderhoud (PdM), waarmee de levensduur van assets wordt gemaximaliseerd en het risico op ongeplande stilstand wordt verminderd. Maar hoe kan AI deze aanpak ondersteunen en versterken?
Over het algemeen ziet de toekomst van AI in industrieel onderhoud er veelbelovend uit. Toch is er nog een grote verandering nodig om het volledige potentieel van AI-technologieën in onderhoud te benutten. Hier volgt een overzicht van de vooruitgang die deze tools al hebben geboekt, waar ze naartoe gaan en hoe jouw organisatie kunstmatige intelligentie kan inzetten om een voorsprong te behalen.
De opkomst van AI in industrieel onderhoud
Kunstmatige intelligentie bestaat al tientallen jaren in een of andere vorm. Toch is het pas recent dat het gebruik ervan in een stroomversnelling is geraakt. De vraag is: waarom juist nu?
De snelle adoptie van AI in industrieel onderhoud en andere sectoren is te verklaren door drie belangrijke ontwikkelingen:
- Rekenkracht: De vooruitgang in verwerkingscapaciteit maakt het mogelijk voor AI-modellen om enorme hoeveelheden data efficiënter te verwerken.
- Beschikbaarheid van data: Het internet en IoT-apparaten hebben gezorgd voor een explosie aan beschikbare gegevens.
- Onderzoek en ontwikkeling: Voortdurende investeringen in AI hebben geleid tot een reeks doorbraken.
Kunstmatige intelligentie wint aan momentum met elke nieuwe opmerkelijke doorbraak. Vandaag de dag is AI een bruikbaar instrument om industriële onderhoudspraktijken te verbeteren. Toch hebben industriële organisaties nog maar aan de oppervlakte gekrabd van wat voorspellende AI-tools werkelijk kunnen.
Hoe AI mainstream werd
Decennialang hadden alleen promovendi en onderzoekers toegang tot modellen voor artificiële intelligentie. Deze vroege modellen waren niet bijzonder bruikbaar voor toepassingen in de echte wereld. I-care en andere solution providers hebben daar verandering in gebracht door aangepaste, nichetoepassingen te ontwikkelen die specifieke zakelijke uitdagingen aanpakten. Deze aanpak leidde tot de implementatie van AI-gedreven oplossingen, die toegankelijk werden voor een beperkt aantal industriële eindgebruikers, beschouwd als de early adopters binnen de industrie. Deze oplossingen werden meestal uitgewerkt met specialisten binnen de organisatie. Hoewel ze zeker niet wijdverspreid of democratisch toegankelijk waren, bleken ze toch waardevol te zijn.
Generatieve AI (GenAI), zoals ChatGPT, heeft alles veranderd. Plots konden bedrijfsleiders zelf het potentieel van AI ervaren, zonder voorafgaande opleiding of expertise in het onderwerp. Ze kregen de kans om te experimenteren met AI-tools en deze te gebruiken om routinetaken in hun dagelijks werk te vereenvoudigen.
Hoe AI past in de vergelijking van procesoptimalisatie
Kunstmatige intelligentie heeft zich al bewezen door verschillende belangrijke industriële processen te verbeteren. Het blinkt uit in de volgende gebieden:
- Voorspellende analyse: het bekijken van real-time sensordata om patronen te detecteren die wijzen op dreigende storingen
- Optimalisatie van proces efficiëntie: het aanpassen van bedrijfsparameters om energieverbruik te verminderen en de output te verhogen
- Optimalisatie van onderhoudsplanning: ervoor zorgen dat onderhoud wordt uitgevoerd met minimale impact op de productie
Hoewel traditionele AI deze en andere werkstromen succesvol heeft geoptimaliseerd, introduceert generatieve AI (GenAI) een nieuwe dimensie. GenAI kan helpen bij het schrijven van onderhoudsprocedures, het analyseren van historische logs en het suggereren van oplossingen voor complexe mechanische problemen. GenAI kan ook worden gebruikt om specifieke programmatuur te schrijven voor afgebakende use-cases.
De mogelijkheden zijn veelbelovend. Tegelijkertijd brengen deze nieuwe toepassingen ook unieke uitdagingen met zich mee.
De uitdagingen van AI in onderhoud
Het gebruik van generatieve kunstmatige intelligentie voor voorspellend onderhoud is een spannende mogelijkheid. Dat gezegd hebbende, zullen industriële bedrijven eerst enkele grote obstakels moeten overwinnen.
In een recent interview somde Tom Rombouts, directeur Reliability en Data-Driven Solutions bij I-care, deze uitdagingen als volgt op:
Betrouwbaarheid
AI analyseert grote hoeveelheden data om resultaten te genereren. Als de data waarop het getraind is bevooroordeeld of anderszins onbetrouwbaar is, zal de kwaliteit van de resultaten hieronder lijden. Daarom moeten alle AI-uitkomsten zorgvuldig worden gecontroleerd om nauwkeurigheid en betrouwbaarheid te waarborgen.
Kwaliteitscontrole
Zorgen dat door AI gegenereerde inhoud, zoals onderhoudsinstructies, betrouwbaar en veilig is, is van cruciaal belang. Onjuiste procedures die voortkomen uit GenAI-hallucinaties kunnen leiden tot ernstige veiligheidsrisico’s en extra ongeplande stilstand. Inhoud moet altijd worden gecontroleerd door vakspecialisten om de juistheid en toepasbaarheid te waarborgen, zonder te vertrouwen op “zelfverzekerd onjuiste” output van GenAI.
Weerstand tegen verandering
Het I-care team gelooft er sterk in dat digitale transformatie niet zomaar digitaal kan zijn. Het implementeren van nieuwe technologieën zonder het personeel de juiste training en het vertrouwen te geven om die tools te gebruiken, zal alleen maar tegenvallende resultaten opleveren.
Maar onderschat AI niet verkeerd. Het is echt dé “verandering” van onze generatie!
Werknemers die verrast worden door de veranderingen die AI-initiatieven met zich meebrengen, kunnen een sterke weerstand ontwikkelen. Dit zal waarschijnlijk leiden tot een lagere ROI en een langere tijd voordat het rendement zichtbaar is, wat beide contraproductief is voor de onderhoudsdoelen van een industrieel bedrijf.
Wat er nu moet gebeuren
Na het leren over de efficiëntievoordelen van kunstmatige intelligentie, zou je misschien geneigd zijn om AI vrij spel te geven en het al je onderhoudsproblemen te laten oplossen. Dit is echter een recept voor problemen. Zonder de juiste kwaliteitscontrolemaatregelen kan generatieve AI net zoveel schade aanrichten als voordelen opleveren (of zelfs meer).
AI in industrieel onderhoud: perfecte oplossing of dronken oom?
Tijdens een recent interview benoemde Rombouts het vermogen van GenAI om plausibel klinkende maar onjuiste informatie te genereren als een van de grootste risico’s van AI-adoptie. Hij vergeleek dit fenomeen met de dronken oom op een familiebijeenkomst.
Stel je voor dat je aan een tafel zit waar iedereen het over investeringen heeft. Onder hen is je oom, die iets te veel gedronken heeft. Hij geeft vol vertrouwen beleggingsadvies. Omdat je met hem aan tafel zit en face-to-face met hem praat, merk je gemakkelijk dat hij onder invloed is. Hierdoor twijfel je aan de juistheid van zijn advies.
Stel je nu voor dat je alleen een transcriptie leest van wat hij gezegd heeft. Zijn woordkeuze en zinsbouw overtuigen je van zijn kennis van de markt en geven je het vertrouwen dat zijn aanbevelingen wijs zijn.
Bedrijven hebben met een vergelijkbare zorg te maken bij Generative AI. Het produceert inhoud die er correct uitziet en klinkt. Maar gebruikers zonder de benodigde expertise kunnen moeite hebben om te bepalen of het echt accuraat is, of slechts goed verwoorde onzin.
Dat is een cruciaal probleem in industrieel onderhoud — onjuiste adviezen of instructies van GenAI kunnen leiden tot mechanische storingen of zelfs dodelijke ongevallen.
Rombouts stelt voor om de AI te testen op haar vermogen om “onzin te herkennen”. Het proces is vrij eenvoudig: hij stelt voor om de AI bewust onjuiste informatie te geven om te zien of het model feiten van foute data kan onderscheiden. Ook raadt hij aan onderhoudspersoneel te trainen om onbetrouwbare AI-uitvoer te herkennen.
Zie deze redundantie als een vorm van checks and balances. Het model is getraind om onjuiste informatie op te sporen en te markeren. Het onderhoudspersoneel is ook getraind in het herkennen van onzin, zodat zij fouten die door het model glippen kunnen opsporen en corrigeren.
AI als hulpmiddel, niet als vervanging
Kunstmatige intelligentie is geen tovermiddel dat al je problemen in industrieel onderhoud oplost. Het is een krachtig hulpmiddel dat al grote vooruitgang heeft gebracht in preventief onderhoud. Toch zal het volledige potentieel alleen worden bereikt wanneer vertrouwen, validatie en menselijke controle even belangrijk worden gesteld als de implementatie ervan.
Dit artikel is bijgedragen door Tom Rombouts, Reliability Director