Machine Learning is binnen het domein van Artificiële Intelligentie de tak die gewijd is aan de ontwikkeling van het leervermogen van productiemachines door middel van data, algoritmes en technieken. Maar hoe zit het met de concrete toepassingen? Wat is mogelijk en wat is nodig?


We brachten de technologieaanbieders, innoverende maakbedrijven en vooruitstrevende start-ups samen voor een inzichtrijke uitwisseling. Niet toevallig op de site van Van Hoecke NV in Sint-Niklaas, een bedrijf dat als partner van de keukenindustrie volop inzet op de digitalisering van zijn maakprocessen en -oplossingen.

Keep calm and pioneer on

Laten we beginnen met de bottomline: er is nog pionierswerk aan de winkel voor de maakindustrie. Het pad nu nog niet helemaal zien, is normaal en de technologieaanbieders zijn er om niet alleen oplossingen, maar ook advies te geven. Even een greep uit de pitches van deze providers: 

Bij Ometa, Radix en Yazzoom zien we de digital twin terugkomen als concrete toepassing van 'learning', voor een product, proces of over de volledige levenscyclus van een project. Aan de hand van deze digitale twin wordt getraceerd waar er een hapering is, waar een proces nog efficiënter kan gemaakt worden en wanneer onderhoud of herstelling van een machine nodig zal zijn (predictive maintenance). 

"Wat wil je als bedrijf monitoren voor machine learning? Het product, het proces of de machine? Die beginkeuze is cruciaal en veel bedrijven kiezen voor de machine."
Mathias Verbeke, Sirris

Start-up bedrijf Factry biedt op zijn beurt oplossingen aan die verzamelde data verwerken en gestructureerd terugsturen naar de productieafdeling van een maakbedrijf. Op basis van de data wordt een predictief model gemaakt dat het productieproces 1 à 2 uur in de toekomst kan voorspellen. Faktion, een andere start-up en niet te verwarren met Factry, zet naast de 'zuivere' machine learning-oplossingen ook in op chatbots en consultancy, om een optimale ondersteuning te bieden voor de klant. En daar vinden we ook Sirris terug, dat bedrijven in de eerste fase van dataverzameling begeleidt en zowel een AI-on-demand platform als masterclasses aanbiedt op maat van zijn klant. 

"De focus ligt overwegend op de technologie, maar je moet ook je mensen van in het begin meekrijgen in het verhaal."
Frederik Van Leeckwyck, Factry

Een olifant eet je in stukjes 

De technologieaanbieders kunnen Machine Learning dus als een volwaardig pakket aanbieden, maar hoe zien de maakbedrijven het dagelijks gebruik ervan in hun processen, producten en machines? Tijdens de discussie kwamen een aantal onzekerheden en vragen van de bedrijven naar boven. Hoe krijg je bijvoorbeeld structuur in de massa data die je binnenkrijgt en kun je toch snel resultaat hebben? Welke infrastructuur is nodig om Machine Learning te kunnen implementeren? Welke beperkingen zijn er? Is het voorbereidend werk de output waard, in tijden waarin bedrijven al mankracht tekort komen? En ook simpelweg: hoe begin je zelfs maar aan Machine Learning in je bedrijf? 

"We mogen als maakindustrie niet bang zijn om de stap te zetten naar AI en Machine Learning. Niet meedoen, is eigenlijk zelfs geen optie."
Geert Engelrelst, TE Connectivity

Zijn dit ook voor jou herkenbare vragen? Lees hieronder snel de key takeaways van de sessie: 

Key takeaways: 

  • Begin klein: een groot, ambitieus project opzetten kan de vooruitgang ervan net blokkeren en je kan nu onmogelijk weten waar je morgen zal uitkomen. Zet dus liever kleine stapjes in de richting van je doel waarbij je tussendoor kan controleren, evalueren en bijsturen; 
  • Strategische keuzes: het is evengoed verleidelijk om alles ineens aan learning te willen koppelen, je machine, proces en product. Ook hier geldt: kies één facet dat je wil aanpakken en focus daarop; 
  • Quick wins: Analyseer waar je met kleine aanpassingen al concrete resultaten en dus successen kan boeken; 
  • AI en Machine Learning vervangen geen mensen: het succes hangt net af van hoe sterk de combinatie is van je data science- en technologische machine- en procesexperten; 
  • Betrek je medewerkers en stakeholders van in het begin.