Hoe AI nieuwe bedrijfsmodellen kan creëren
(Gepresenteerd door Luc Deleu in het Europees Parlement, juni 2018)
Kunstmatige Intelligentie is niet nieuw, maar de beschikbaarheid van rekenkracht, nieuwe technologieën om enorme hoeveelheden datapunten vast te leggen en de snelheid waarmee we gegevens kunnen verbinden, opslaan en analyseren geven nieuwe inzichten en mogelijkheden die kunnen leiden tot doorbraken in bedrijfsprestaties, nieuwe bedrijfsmodellen en veranderende markten. Door de technologieën die vandaag beschikbaar zijn te combineren, zal de snelheid waarmee de industrie kan leren van haar processen, producten en klanten exponentieel toenemen.
De digitale weergave van een fysiek product
De digitale representatie van een product is een verzameling van alle beschikbare gegevens die we kunnen verzamelen tijdens de hele levenscyclus van dat specifieke product. Het slaat de unieke waarden van het product op in alle fasen: tijdens de ontwikkeling en preproductie, tijdens de productie en wanneer de consument het product gebruikt. Mensen zijn niet in staat om deze grote hoeveelheid gegevens te verwerken. Nieuwe technologieën en AI stellen ons echter in staat om de verzamelde informatie om te zetten in kennis. Hierdoor stelt de digitale weergave ons in staat om te leren van elke stap in de levenscyclus van een product.
Dus hoe kan AI leren van deze voorstellingen? We kunnen de kenmerken van een product (bijv. kwaliteit of het gebrek daaraan) vergelijken met de digitale weergave ervan. Hierdoor kunnen we nieuwe correlaties ontdekken. Deze correlaties geven ons nieuwe inzichten in het product en het productieproces. Door verschillende individuele digitale representaties te vergelijken, kunnen we het volgende ontdekken:
- Verschillen in productietemperatuur, machineopstellingen, machinebehandeling, enz.
- Veranderingen van leveranciers, materialen, versies van subassemblages, enz.
- Verschillende productielijnen of fabrieken, teams, vaardigheden van operators, enz.
Als we naar de kwaliteit van een product kijken, kunnen we dankzij de correlaties die we dankzij big data en AI kunnen vinden, nieuwe redenen begrijpen die de kwaliteit van een product bepalen. Bovendien kan het kwaliteit zelfs veranderen in een voorspelbaar element.
Tegenwoordig richt Ometa zich op het productieproces en proberen we veranderingen te vinden in correlatie met de gerelateerde kwaliteit. Momenteel voeren we een smart manufacturing project dat al heeft bewezen dat we procesaanpassingen kunnen ontdekken en toepassen die zonder de hulp van AI-concepten niet ontdekt zouden kunnen worden. Als we kijken naar de hele levenscyclus van een product, laat dit voorbeeld zien dat we ons nog steeds richten op de productiefase. Maar we kunnen verder gaan.
Het sluiten van de productlevenscyclus zal bedrijfsmodellen veranderen
De volgende grote stap is het sluiten van de productlevenscyclus. De digitale weergave moet niet alleen betrekking hebben op de digitalisering van het productieproces, maar ook op het gebruik van elk individueel product wanneer het op de markt komt. Stel je voor dat we ook het werkelijke gebruik van een product door de consument digitaal zouden kunnen volgen, dan zouden aannames tijdens de engineering kunnen worden gevalideerd, geneutraliseerd en verbeterd voordat de nieuwe productie start.
Dus wat kan de industrie winnen door de volledige levenscyclus van een product te sluiten? Vandaag worden we geconfronteerd met het feit dat onze industrie nog steeds gebaseerd is op massaproductie met korte levenscycli van de producten (soms niet meer dan twee jaar). De reden voor deze korte levensduur is niet noodzakelijk slechte kwaliteit. Meestal is winst de drijfveer achter deze korte levensduur. Vandaag wordt winst gemaakt tijdens de cyclus 'engineering tot productie'. Zodra het product verkocht is, ontstaat er een 'ontkoppelingspunt'.
Als we dus doorgaan met het vastleggen en bundelen van gegevens via de digitale weergave nadat het product is verkocht, kunnen er nieuwe bedrijfsmodellen ontstaan. We zouden kunnen verschuiven naar een markt waarin de industrie verbonden blijft met haar producten en waar het geen nut heeft om enorme hoeveelheden producten met een korte levenscyclus te produceren. Verbonden producten zouden daarentegen leiden tot een beter begrip van het gebruik en de ervaring van de klant. Als producten gedurende hun hele levenscyclus verbonden blijven met hun industriële producent, dan kunnen kwaliteit, nieuwe productintroducties en diensten worden verbeterd.
Van repetitieve massaproductie naar klantspecifieke massaproductie
In de vorige decennia werd de groeimarkt voor de industrie bepaald door repetitieve massaproductie en lage arbeidskosten. Daarom verhuisden veel van onze productiefaciliteiten naar landen met lagere arbeidskosten, zoals China.
De digitale representatie en beschikbare AI-concepten zullen een gamechanger worden. Niet arbeidskosten, maar kennis zal de markt bepalen. Data wordt informatie, informatie wordt kennis dankzij AI en kennis zal leiden tot een beter begrip van de klant. Dit zal ons in staat stellen om van een massaproductie-industrie over te stappen naar een slimme dienstenmarkt waar producten klantspecifiek worden en de productie een stroom uit één stuk wordt. Dit betekent dat elke productieorder op de productielijn vooraf wordt besteld met een vraag op maat. Hierdoor zal onze industrie een verschuiving kunnen maken van repetitieve massaproductie naar klantspecifieke massaproductie.
Dit kan alleen als we gedurende de hele levenscyclus verbonden blijven met de gebruiker/consument en het product/de dienst die we leveren. Door de enorme hoeveelheid datapunten continu te clusteren en slimme AI-leersystemen te gebruiken, kunnen we klantspecifieke productontwerpen maken en de snelheid en intelligentie van onze productieprocessen verhogen. Voor Westerse landen kan dit een concurrentievoordeel opleveren ten opzichte van het repetitieve massaproductiemodel met zijn lage arbeidskosten. Waarom? Omdat met een bedrijfsmodel dat gebaseerd is op massaproductie op maat en snelle levertijden, wachten op een schip tot het verleden behoort.
