Hoe kan AI helpen om een productieproces efficiënter te maken? Liefst zonder dat de betrouwbaarheid en voorspelbaarheid van het proces wegvallen? Jonathan Berte biedt antwoorden.
Als founder van Robovision staat Jonathan Berte dagelijks op de barricades van de AI-integratie. Samen met zijn team van 130 medewerkers kijkt hij dagelijks met de groten der aarde naar de implementatie van grote datamodellen in de industrie. Dat is makkelijker gezegd dan gedaan, met vele bottlenecks om te omzeilen. Op Advanced Engineering licht Jonathan een tipje van de sluier; hier ontdek je alvast wat je mag verwachten van deze sprekerssessie.
Drie tips voor ieder productieproces
1. Hoe ga je om met een tekort aan data?
“Bij dataverwerking is het om te beginnen belangrijk om balans te brengen in de data die worden gebruikt. Hoe ga je anders anomalieën detecteren? In een productieproces begint alles bij een weldoordachte opstelling van sensoren en de bijhorende vision engineering. Je moet nadenken over welk type sensor je zal gebruiken, bijvoorbeeld 3D of hyperspectraal, en welke combinatie van data je wilt bekomen om bepaalde aspecten in kaart te brengen. Houd altijd in het achterhoofd dat als je je datamodel rommel voedt, je output van hetzelfde niveau zal zijn.
“In een productieproces is het echter niet altijd eenvoudig om voldoende data te bekomen om een model te voeden. De producent heeft zijn lijn zo geoptimaliseerd dat deze kostenefficiënt werkt – daarmee gaan spelen is een nachtmerriescenario. Don’t shoot the winning horse. Het is dan ook uitdagend om data te genereren waar je wijzer van wordt – terwijl deep learning-modellen net heel hongerig zijn naar data.
“Dat betekent gelukkig niet dat het, bijvoorbeeld voor kleinere spelers, onmogelijk zou zijn om voldoende data te genereren. De meeste problemen kan je namelijk oplossen met een generieke anomaliedetectie. “In een mapje bewaar je daarbij data van wat misloopt en daar gaat een mens door ter controle.”
2. Wat is de toepasbaarheid van LLM’s in industriële context?
“Een Large Language Model (LLM) is voor velen vandaag de personificatie van ‘AI’. De ChatGPT’s van deze wereld willen ons doen geloven dat alleen het laatste, nieuwste speeltje je vooruit kan helpen met je werk. In een consumentgerichte omgeving is dat misschien zo, maar in de industrie kijken we minstens acht jaar vooruit. Wij werken daarom op ‘smart tools’ waar we over acht jaar nog steeds herstellingen en tooling op kunnen toepassen.
“Het zijn twee werelden, ecosystemen, die we met Robovision in contact proberen te brengen. Tooling die jaren meegaat en relevant blijft, en hoe we die kunnen koppelen aan deep learning-modellen. Zo brengen we LLM’s binnen op pragmatische manieren die ondersteuning kunnen bieden aan operatoren, op een robuuste manier.”
“Een Large Language Model (LLM) is voor velen vandaag de personificatie van ‘AI’. De ChatGPT’s van deze wereld willen ons doen geloven dat alleen het laatste, nieuwste speeltje je vooruit kan helpen met je werk. In een consumentgerichte omgeving is dat misschien zo, maar in de industrie kijken we minstens acht jaar vooruit. Wij werken daarom op ‘smart tools’ waar we over acht jaar nog steeds herstellingen en tooling op kunnen toepassen.
“Het zijn twee werelden, ecosystemen, die we met Robovision in contact proberen te brengen. Tooling die jaren meegaat en relevant blijft, en hoe we die kunnen koppelen aan deep learning-modellen. Zo brengen we LLM’s binnen op pragmatische manieren die ondersteuning kunnen bieden aan operatoren, op een robuuste manier.”
3. Heb je daar per se experts voor nodig?
“Want die operatoren, die vormen de spil van een flexibele productie. Vandaag worden vaak AI-consultants ingeschakeld die een project opleveren. Gaat er daarna iets mis, dan moet je hen opnieuw contacteren om het probleem op te lossen en kom je achteraan de wachtrij. Zo creëer je bottlenecks.
“Door op een agentic manier met LLM’s te werken stel je de operator zelf in staat om problemen te verhelpen. Door data aan de edge te verwerken (via edge computing), met lage latency, en de persoon naast de band de nodige kennis en tools te geven, maak je je productie zoveel efficiënter. Dus ja: er zijn experts voor nodig, maar dat hoeven geen externe consultants te zijn.”
Kom meer te weten op woensdag 21 mei om 12u tijdens de sessie van Jonathan Berte: ‘Vision AI: Manufacturing’s Hidden Intelligence’. Registreer je nu!
