Witold Kepinski - 25 december 2023

Wat kan generatieve AI betekenen voor de industrie in 2024?

De groeiende populariteit van generatieve AI en Large Language Models (LLM's) had in 2023 al een impact op de industriële sector en gaat in het nieuwe jaar nog veel meer betekenen. Wat duidelijk is, is dat 2023 het jaar van ontdekking en experimenteren met generatieve AI was. Maar wat brengt het nieuwe jaar?

Wat kan generatieve AI betekenen voor de industrie in 2024? image

Experts van datacloudbedrijf Snowflake voorspellen hoe generatieve AI in 2024 de industrie opnieuw vormgeeft:

Generatieve AI maakt data veel toegankelijker en stimuleert innovatie 

De intrinsieke waarde van generatieve AI en LLM's is het vermogen om inzichten te verkrijgen uit complexe data via spreektaal. Naast het beantwoorden van vragen kan generatieve AI ook helpen met het vormgeven van analytische workflows, waardoor het eenvoudiger dan ooit wordt om productieproblemen op te lossen of het proces te optimaliseren. Door middel van iteratie kunnen technici data onderzoeken, hypotheses testen en gebruik maken van machine learning- en simulatiemogelijkheden die volledig worden beheerd door generatieve AI. Er was nog nooit een beter gestroomlijnde en toegankelijke manier geweest om digitale kansen te ontdekken en het verbeteringsproces te versnellen, wat leidt tot minder defecten, kortere productietijden en lagere productiekosten.

AI-gestuurd onderhoud zal de productiviteit van fabrieken verbeteren

Efficiëntie en uptime zijn essentieel voor productielijnen. Dankzij data is voorspellend onderhoud al mogelijk om de beschikbaarheid van apparatuur te maximaliseren. Er zijn echter altijd onvoorziene problemen die kunnen voorkomen die in realtime moeten worden opgelost. Door de relatie te begrijpen tussen de data die deze machines genereren en gedocumenteerde procedures voor apparatuur, zullen AI-gestuurde probleemoplossingen en reparatie de productielijnen sneller dan ooit weer op volle capaciteit brengen.

AI maakt de complexe uitdaging om wereldwijde supply chains minder risicovol te maken makkelijker

Als gevolg van de consolidatie binnen de industrie hebben veel grote fabrikanten vaak meerdere ERP-systemen. De datasilo's binnen deze systemen belemmerden een goed overzicht van de totale supply chain. Door het gebruik van tools zoals LLM’s worden niet alleen datasilo’s afgebroken, maar worden zakelijke gebruikers ook geholpen om inzichten te verkrijgen uit geconsolideerde data. Hierdoor krijgen organisaties een veel beter begrip en kunnen ze meer transparantie, democratisering en context bieden. Versimpelde toegang tot probabilistische technieken, waaronder voorspelling, planning en routeoptimalisatie, verbetert de efficiëntie van de supply chain, wat leidt tot hogere winsten en betere klanttevredenheid.

Fabrikanten gaan generatieve AI gebruiken om visuele defecten te simuleren op foto's van hun echte producten

Fabrikanten kunnen gesimuleerde defecten gebruiken om modellen te trainen die soortgelijke defecten in de toekomst kunnen detecteren. Stel je bijvoorbeeld voor dat een autofabrikant een 360°-foto maakt van het voertuig dat de spuiterij verlaat. Generatieve AI kan verschillende soorten lakdefecten op dat voertuig plaatsen, waarna een apart deep learning-model kan worden getraind om die soorten defecten te detecteren. Dit maakt het makkelijker om geavanceerde algoritmen voor het detecteren en classificeren van defecten te ontwikkelen, omdat ze foto's van producten gebruiken om een trainingsset met data te creëren. Iets wat zeer lastig en tijdrovend zou zijn om handmatig te verzamelen en te labelen.

AI speelt ongetwijfeld een grote rol in de manier waarop bedrijven in de toekomst gaan werken. Maar fabrikanten hebben, als schakel tussen concept en fysiek product, een bijzonder grote kans om AI te benutten om grip te krijgen op hun data en deze te gebruiken om slimmere beslissingen te nemen en efficiënter te werken.

Fundaments BW 31-10-2024 tm 15-11-2024 Specops Software 22/10 t/m 5/11 BW
Specops Software 22/10 t/m 5/11 BN+BW