AI en machine learning aan sterke opmars bezig

Toepassingen voor een efficiëntere maakindustrie

De maakindustrie blijft innoveren en investeren om zo het potentieel van het resterende personeel te maximaliseren, risico's zoveel mogelijk te beperken en de geleverde kwaliteit op een duurzame wijze te verhogen. Artificiële intelligentie en vooral machine learning spelen hierin een voorname rol.

Onlangs publiceerde Rockwell Automation haar '2024 State of Smart Manufacturing Report', waarin het bedrijf op zoek gaat naar de voornaamste risico's en opportuniteiten. Industriële AI bleek een voornaam wapen om de vele uitdagingen tegen te gaan. Hoewel AI vaak nog erg vaag blijkt in haar beloftes, vormen predictief onderhoud en machine learning (ML) nu al concrete instrumenten om productie te optimaliseren en personeelstekorten te compenseren.

Dit blijkt althans uit de enquête die Rockwell afnam bij meer dan 1.500 maakbedrijven uit 17 landen. Het algemene beeld is er één van optimisme en veerkracht, waarbij geavanceerde industriële technologieën helpen om te gaan met de vele uitdagingen van dit moment.

Enkele cruciale resultaten op een rijtje. 94% van de respondenten verwacht dat de adoptie van smart manufacturing technologie hun personeelsbestand zal consolideren of doen toenemen. Liefst 95% gebruikt of overweegt sterk het gebruik van deze technologieën, in vergelijking met 84% in 2023. Bijna alle bedrijven (98%) hebben een duurzaamheids- of ESG-beleid, waarbij dit bij bijna de helft geformaliseerd en bedrijfsbreed is.

Wat is 'smart manufacturing'?
Smart manufacturing is de intelligente, real-time organisatie en optimalisatie van bedrijfsprocessen, zowel fysiek als digitaal, binnen fabrieken en de volledige waardeketen. Productiemiddelen en -processen worden geautomatiseerd, geïntegreerd, gemonitord en continu geëvalueerd op basis van alle beschikbare informatie die bij voorkeur zo realtime mogelijk is. Voorbeelden hiervan zijn onder meer MES (Manufacturing Execution System), ERP (Enterprise Resource Planning), SCP (Supply Chain Planning) en CMMS (Computerized Maintenance Management System).

Voornaamste uitdagingen

Risico's voor groei

Vooral inflatie baart heel wat bedrijven zorgen. Respondenten zetten dit met stip op nummer 1 onder de externe obstakels voor bedrijfsgroei; dit was ook het geval in 2023. Stijgende energiekosten staan, weinig verrassend, op nummer 2 in deze ranking, met cybersecurity op de derde plaats. Door de connectiviteit tussen digitale en fysieke infrastructuur nemen de risico's voor OT- en IT-netwerken snel toe.

Het tekort aan technisch geschoold personeel blijft uiteraard evenzeer een kopzorg voor maakbedrijven en wordt als vierde grootste risico vermeld. Verstoringen binnen de supply chain sluit de top vijf af en valt zo terug van plaats twee in 2023.

Onder de interne obstakels voor groei zien we het thema van geschikt personeel eveneens opduiken, ditmaal op de eerste plaats. Men heeft duidelijk moeite om werknemers met de juiste skillset aan te trekken en bedrijven zien dit als de voornaamste factor waarom ze de concurrentie moeilijk kunnen bijhouden.

Het inzetten en integreren van nieuwe technologieën staat op plek 2. Gecombineerd met de nood aan personeel is het dus duidelijk dat het niet zomaar gaat om investeren in de nieuwste technologieën, maar dat het bovenal zaak is deze efficiënt in de praktijk te kunnen brengen, omkaderd door de juiste mensen.

Interne budgetbeperkingen en het bewaren van evenwicht tussen kwaliteit en groei (vorig jaar nog op nummer 1) worden ook gezien als voornaamste interne risico's. Het begrijpen en contextualiseren van data om het bedrijf en zijn processen te optimaliseren sluit de top vijf af.

Waar zoekt men naar?

Uit de enquête van dit jaar blijken communicatie, teamwork en kennis van slimme technologie en cybersecurity-praktijken de voornaamste skillset te zijn waar werkgevers naar op zoek zijn (79%). Analytisch denken en kennis op het gebied van STEM staan gedeeld op de tweede plaats (77%).

Hoewel smart manufacturing technologieën heel wat potentieel hebben, zijn er enkele barrières die de implementatie ervan verhinderen. Hierbij gaat het in de eerste plaats om de kostprijs, maar ook het gebrek aan de juiste skills onder de werknemers om deze oplossingen te implementeren en te optimaliseren zijn voorname factoren. Bedrijfsleiders voelen ook wat weerstand onder de werknemers tegen deze nieuwe technologieën en de bestaande infrastructuur en systemen blijken niet altijd even makkelijk vervangbaar.

Uit de bevraging blijkt dat de meeste bedrijven in de eerste plaats hopen op toegenomen kwaliteit van hun producten bij het gebruik van bestaande smart manufacturing technologie. Daarnaast wil men kosten reduceren en de winst vergroten. Kwaliteitscontrole blijkt ook voor het implementeren van AI en ML de voornaamste drijfveer te zijn voor 2024, met een score van 45%. Cybersecurity staat bovenaan de AI-agenda voor 40% van de respondenten, gevolgd door procesoptimalisatie met 39%.

Cybersecurity is alleszins een sterke groeier onder de zorgen van bedrijven vergeleken met de voorbije jaren. Niet onterecht, aangezien 71% van alle ransomware aanvallen op industriële organisaties gericht was op maakbedrijven. De risico's voor OT-netwerken nemen dus toe, zeker waar er slechte segmentatie is. Bedrijven zoeken hierbij naar een combinatie van menselijke vaardigheden en opkomende technologieën om hun beveiliging te versterken.

Werknemers aantrekken en behouden

Het thema van geschikt personeel is reeds vermeld als een voorname risicofactor voor maakbedrijven. Change management (34%) en het trainen van bestaande werknemers om om te gaan met aangepaste processen (32%) blijken hierbij de twee voornaamste obstakels. Het blijkt eveneens moeilijk om werknemers geëngageerd te houden en hen een gevoel van nut en voldoening te geven (31%). De stijgende arbeidskosten (31%) en het behouden van geschikt personeel (28%) baren bedrijven ook kopzorgen.

Innovatieve oplossingen

Investeren in technologie

Hoe gaat men nu om met al deze uitdagingen? Vooral een verhoogde investering in technologie blijkt een voorname strategie te zijn. Zo is dit gemiddeld met 30% gestegen: van 23% van het operationele budget naar 30%. Adoptie van technologie wordt gezien als de beste manier om zowel interne als externe risico's tegen te gaan.

Men zet vooral in op de adoptie en het gebruik van artificiële intelligentie, het digitaliseren van de bedrijfsprocessen door middel van smart manufacturing technologie en automatisering, en het aannemen van nieuw talent of personeel met andere skillsets. Het upskillen van bestaande werknemers vormt hier eveneens een voornaam wapen.

Bij navraag naar de grootste ROI van technologie-investeringen in de afgelopen twaalf maanden, blijken AI en ML het bijzonder goed te doen, beter dan alle andere vormen van smart manufacturing. Op de eerste plaats staan cloud- en SaaS-oplossingen, en generatieve AI (GenAI) en causale AI staan op de tweede plaats. Specifiek zijn AI en ML terug te vinden op de vierde plaats. Geavanceerde analyses door middel van AI en ML prijkt op plaats 6. Bovenal valt het overwicht van smart manufacturing oplossingen onder de technologische investeringen op. Sowieso zien bedrijven AI en ML als de grootste drive voor groei onder smart manufacturing.

Dit blijkt ook uit de resultaten van geplande investeringen in 2024. GenAI en causale AI staan op de eerste plaats, gevolgd door cobots en AMR's/AGV's. AI en ML vinden we terug op de zesde plek. Maar liefst 85% heeft reeds geïnvesteerd in AI/ML dit jaar of plant om dat te doen. Men gaat dus verder op de ingeslagen weg en wil nieuwe technologieën verder uitbouwen.

Personeel en data

Respondenten plannen om nieuwe en opkomende technologieën aan te wenden om hun personeel te versterken en efficiënter te maken én om de kwaliteit van hun productie te verzekeren, ondanks het regelmatige vertrek van ervaren werknemers. Door toenemend gebruik van smart manufacturing technologieën verwacht 94% om meer mensen aan te nemen of om werknemers in te zetten op nieuwe of andere posities.

Vooral AI moet personeel-gerelateerde problemen opvangen. Dit gaat dan in de eerste plaats om GenAI of causale AI, maar ook geavanceerde analyses (aan de hand van AI en ML) en meer algemeen AI en ML worden gezien als cruciale strategieën. Automatisering en digitalisering zijn eveneens beloftevolle benaderingen.

Men is ervan overtuigd dat toonaangevende bedrijven binnen de maakindustrie massaal data gebruiken om AI en ML te voeden en om processen te optimaliseren. Ondertussen denken de respondenten wel dat slechts 44% van hun eigen data efficiënt wordt gebruikt. Bedrijven geloven dus in het potentieel van AI en willen de enorme hoeveelheid data beter hiervoor inzetten.

Duurzaamheid voorop

Zowat alle bevraagde bedrijven (98%) hebben één of andere vorm van duurzaamheids- of ESG-beleid, waarbij 86% een formele vorm hiervan heeft (in vergelijking met 78% in 2023). Bijna de helft (48%) heeft zo'n formeel beleid over de volledige breedte van het bedrijf.

Op het vlak van duurzaamheid staat energiemanagement het hoogst op de agenda, gevolgd door productkwaliteit en  -veiligheid, en veilige werkomstandigheden. Op plaats 4 zien we het terugdringen van productieafval en op plaats 5 staat toewijding aan ecologische processen. Verder zien we ook recyclage en CO₂-neutraal worden op het lijstje met prioriteiten.

Smart manufacturing wordt gezien als een cruciale strategie om deze duurzaamheidsdoelstellingen te behalen. De voornaamste motivaties voor het inzetten op duurzaamheid zijn het verhogen van de efficiëntie, differentiëren ten opzichte van de concurrentie en het anticiperen op mogelijke ecologische problemen. Het voldoen aan regelgeving staat pas op plaats 5 en het beantwoorden aan de vraag van leveranciers en klanten zien we terug op plek 9.

Doorgedreven automatisering

Automatisering wordt duidelijk gezien als een cruciaal element om maakbedrijven succesvol te maken. Personeelstekorten worden dan ook in de eerste plaats opgevangen door toegenomen automatisering (42%) en de implementatie van AI en ML (37%). Het benutten van werken op afstand om zo meer werknemers aan te trekken (34%), het introduceren van flexibele uren (34%) en het gebruik van technologie om jobs boeiender te maken (33%) vervolledigen de top vijf.

Bedrijven willen almaar meer inzetten op automatisering, waarbij smart manufacturing technologieën en AI/ML een voorname rol spelen. Het investeren in training voor werknemers en het ontwikkelen van programma's om nieuwe technologieën in te zetten en te optimaliseren worden eveneens als belangrijke strategieën gezien.

Hoe plannen respondenten nu om hun bedrijf te stimuleren in de komende vijf jaar? Wederom is automatisering het meest gegeven antwoord, met 43%. Het implementeren van smart manufacturing technologieën volgt kort daarna met 42%. AI en ML scoren dan weer 41% en 37% van de respondenten wil sterker inzetten op het gebruik van realtime data om beslissingen te maken. 36% van de bedrijven wil training en personeelsprogramma's verder uitbouwen.

Implementatie van smart manufacturing

Smart manufacturing technologieën worden vooral in de productieprocessen geïmplementeerd. De focus ligt hierbij op het verbeteren van de kwaliteit, het terugdringen van de kosten en het opdrijven van de Overall Equipment Effectiveness (OEE).

Op het vlak van hardware en smart devices gaat het in de eerste plaats om het upgraden van netwerkinfrastructuur (84%) en het investeren in meer geconnecteerde apparatuur (82%). Maakbedrijven zetten eveneens sterk in op sensoren en meetinstrumenten (79%), industriële computers (79%) en PLC's (73%). Men wil dus meer data vergaren, versturen en analyseren, om zo software beter te benutten en alle processen te optimaliseren.

Aan de zijde van de software, zetten de respondenten vooral in op productiemonitoring (82%), Quality Management Systems (80%), Supply Chain Planning (78%), energiemanagement (78%) en ERP (76%). Bedrijven profiteren van modulaire en schaalbare oplossingen die snel kunnen ingezet worden tegen een lagere kost dan meer complexe, rigide legacy systemen. Deze praktische toepassingen vragen minder middelen, zijn makkelijker te integreren en zorgen voor een snellere ROI.

Data is uiteraard cruciaal om efficiënt smart manufacturing oplossingen in te voeren. Uit de bevraging blijkt dat bij de bedrijven met minder dan 500 miljoen dollar omzet per jaar slechts 38% vindt dat ze hun data voldoende inzetten. Onder de bedrijven met meer dan 30 miljard omzet gaat het om 51%. Er is dus overal nog veel groeimarge voor optimalisatie, maar vooral dan onder de relatief kleine bedrijven.

AI zal in de komende drie jaar vooral ingezet worden om de kwaliteit te verbeteren (39%) en risico's te beperken; dat zijn twee traditionele doelen binnen de maakindustrie. Op het vlak van risico's gaat het dan vooral om de immer groeiende dreiging van cybercrime (37%). AI zal verder het meeste impact hebben op robotica (36%), procesoptimalisatie (35%) en supply chain management (31%).

Conclusie

Maakbedrijven staan dus voor heel wat uitdagingen, maar smart manufacturing biedt ook veel oplossingen. Men zegt wel eens dat elk probleem een verborgen opportuniteit is. Dit blijkt alvast uit de enquête: 83% van de respondenten stelt dat de vele obstakels juist hun digitale transformatie versnellen. Buiten Europa en Noord-Amerika is dit zelfs 90%.

Gezien de frequente verstoringen in de supply chain van de voorbije jaren, is het geen verrassing dat vooral de magazijn- en fulfilment-industrie de grootste digitale versnelling kennen, gevolgd door hernieuwbare energie en de chemiesector.

62% van de bedrijven investeerde in nieuwe technologieën omdat het een grote impact zou hebben op het bedrijf in de nabije toekomst, terwijl 57% vooral gemotiveerd is door top-level bedrijfsdoelen en -resultaten. We zien ten slotte dat 31% hoofdzakelijk investeert vanwege pannes en plotse nood aan vervangende technologie. De meeste bedrijven investeren dus met het oog op de toekomst en verwachten dat dit hun concurrentieel voordeel zal versterken en dat het voor meer veerkracht zal zorgen.

Het lijkt er alvast op dat smart manufacturing technologieën niet meteen zullen verdwijnen. Integendeel, het zullen wellicht cruciale strategieën blijken om de vele uitdagingen het hoofd te bieden. Men verwacht dat tegen 2026 meer dan 80% van de bedrijven gebruik zal maken van generatieve AI, tegenover minder dan 5% vandaag.

Het balanceren van werknemers, technologie en ESG-praktijken zullen de sleutel zijn tot leiderschap binnen de industrie. Bij de uitdagingen voor de bedrijfsvoering scoren zowel het matchen van technologie en talent aan de noden van het bedrijf en het effectief managen van werknemers en middelen 31%. Het is dus geen kwestie van kiezen voor het één of het ander: beide benaderingen moeten afgewogen en gecombineerd worden om succesvol te zijn.

Glossarium
Artificiële intelligentie: past geavanceerde analyse en logische technieken (zoals machine learning) toe om gebeurtenissen te interpreteren, beslissingen te ondersteunen en te automatiseren, en actie te ondernemen.
Causale AI: identificeert en gebruikt oorzaak-en-gevolg relaties om verder te gaan dan correlatiegebaseerde voorspellende modellen en om te evolueren naar AI-systemen die acties beter kunnen voorspellen en die meer autonoom kunnen handelen.
Deep learning: een variant van machine learning algoritmes die meerdere lagen gebruikt om problemen op te lossen door het extraheren van kennis uit ruwe data en door deze kennis te transformeren op elk niveau. Deze lagen halen steeds meer geavanceerde features uit de data, waardoor het mogelijk wordt om complexere systemen met een grotere nauwkeurigheid en minder menselijke tussenkomst op te lossen.
Industriële AI: de toepassing van AI in een industriële setting, gefocust op het benutten van realtime data om leerprocessen te voeden die actie kunnen voorspellen, automatiseren en interpreteren op basis van grote en complexe datasets.
Generatieve AI: AI technieken die representaties of artefacten leren uit data en deze dan gebruiken om nieuwe en unieke artefacten te genereren die lijken op de originele data, maar deze niet repliceren. GenAI kan volledig nieuwe content creëren (zoals tekst, afbeeldingen, video, audio...), maar ook computercode, synthetische data, workflows en modellen van fysieke objecten behoren tot de mogelijkheden.
Machine learning: algoritmes samengesteld uit meerdere technologieën (zoals deep learning, neurale netten en natural language processing), die gebruikt worden in (un)supervised leren en die opereren op basis van lessen geleerd uit bestaande informatie.

Lees het volledige rapport hier.