Reference case Smart Factory

Disruptive innovations binnen een Smart Factory

Kunstmatige intelligentie zal fundamentele veranderingen brengen in de manier waarop wij leven, werken en met elkaar omgaan. Maar ook hoe wij produceren. Momenteel staan wij aan het begin van de vierde technologische revolutie. Kunstmatige intelligentie en cloud-technologie spelen een belangrijke rol in deze verandering, maar hoe werkt dat nu in de praktijk?

De productie van huishoudelijke apparaten is precisiewerk. De afmeting en samenstelling van onderdelen komt zo nauw, dat afwijkingen amper of zelfs niet waarneembaar zijn met het met het blote oog. Of een onderdeel aan het eind van de productielijn wordt goedgekeurd of afgekeurd, dat is voor een belangrijk deel afhankelijk van de manier waarop de machines zijn ingesteld.

Dit is een samenspel van mens en machine; operators zorgen ervoor dat de machines de juiste instellingen hebben om ervoor te zorgen dat de uitval zo laag mogelijk is. Ook hierbij wordt de mens steeds meer bijgestaan door machines. Dankzij machine learning is het namelijk mogelijk om steeds nauwkeuriger te voorspellen welke onderdelen van het productieproces mogelijk zorgen voor afwijkingen.

Voor een internationale elektronicafabrikant richtte ilionx onlangs zo'n machine learning-programma in. Het doel: met behulp van machine learning binnen Microsoft Azure de productieparameters optimaliseren om ervoor te zorgen dat de uitval zo klein mogelijk is.

Binnen één week

Het project ontstond als een samenwerking tussen Microsoft en ilionx. "Microsoft vroeg ons of we binnen een week een werkend prototype konden maken op basis van Azure", aldus Rik Opdam, Lead Consultant BI en Big Data bij ilionx. Dat was nog een behoorlijke klus: "De productielijn bestaat uit verschillende parameters, zoals de instelling van de machines tijdens het frasen van onderdelen. Vervolgens hebben wij een oplossing ontwikkeld op basis van een model van de data scientist. Alle data werden uit de productieomgeving gehaald om deze vervolgens in Azure te analyseren om te bekijken of we iets konden zeggen over de kwaliteit van de output."

Deze parameters werden altijd al bijgehouden, maar dan door een machine-operator: "Die kan op een schermpje alle parameters zien en ze bijsturen als hij denkt dat ze van invloed zijn op het productieproces en dus de foutmarge. Met behulp van machine learning binnen Azure kunnen we dat nu een stuk nauwkeuriger doen. Andere voordelen zijn de repeteerbaarheid en schaalbaarheid; het platform is dynamisch, uitbreidingen kunnen gedurende de dag worden gedaan als er rekenkracht nodig is en worden terug geschaald als het niet meer nodig is. Daarnaast is er minder beheer nodig omdat de systemen worden beheerd door Microsoft."

Daar zit dan ook de grootste toegevoegde waarde van machine learning in de productieomgeving: "Deze modellen helpen fabrikanten om heel snel en nauwkeurig te achterhalen hoe ze de processen kunnen verbeteren. "Dat levert hele relevante nieuwe inzichten op over het productieproces, omdat je ontzettend precies kunt meten en deze data kunt analyseren met machine learning-modellen. Dat helpt operators om te bepalen welke factoren van invloed zijn op het eindresultaat en op basis hiervan de paramaters bij te sturen."

Industry 4.0

"Dit project is een mooi voorbeeld van Industry 4.0, waarin beslissingen steeds meer worden gemaakt op basis van de beschikbare data. Je zou kunnen zeggen dat we met dit project onze klant hebben geholpen om kunstmatige intelligentie in het productieproces te introduceren. Met Azure is het mogelijk om binnen een uur nieuwe machines toe te voegen aan dit platform, data te analyseren en zo de efficiency te vergroten. Ook kunnen de data vervolgens weer terug worden gestuurd naar de fabriek, waardoor parameters ook digitaal kunnen worden bijgestuurd."