Platform over productie- en procesautomatisering
Artificial intelligence is geen heilige graal, maar wel handig in het onderhoud
De evolutie van onderhoud is van correctief brandjes blussen inmiddels beland in een tijd waarin onderhoudsmomenten zo goed mogelijk voorspeld worden: het zogenaamde smart of predictive maintenance. Artificial Intelligence (AI) voegt daar nog extra meerwaarde aan toe. Zo geeft AI realtime inzicht en is het zelflerend, waardoor de benodigde voorspellende algoritmes in een korter tijdsbestek te trainen zijn om betrouwbare voorspellingen te doen. Voor de onderhoudswereld betekent dit opnieuw een efficiëntieslag en een extra tool om storingen eerder te herkennen en herleiden.
Het Engelse Artificial Intelligence is in het Nederlands te vertalen met ‘kunstmatige intelligentie’. De basis is een algoritme – een soort formule – die in staat is om zichzelf aan te passen op basis van data. Wanneer hij een voorspelling doet en deze voorspelling blijkt niet te kloppen, dan verandert hij zelfstandig een klein beetje om een volgende keer de juiste conclusie te trekken. Op deze manier is relatief snel en zonder grote hoeveelheden faaldata een betrouwbaar algoritme te ontwikkelen. De grote rekenkracht van de huidige generatie computers is onmisbaar om alle realtime data snel te verwerken en in grote hoeveelheden data (complexe) verbanden vast te stellen.
Een belangrijk voordeel in het kader van onderhoud is dat een machine of installatie hiermee zelfstandig kan analyseren en – tot bepaalde hoogte – in staat is autonoom een beslissing te nemen. Daarnaast is AI gericht op het letterlijke ‘hier en nu’. Door het vermogen om grote hoeveelheden data in korte tijd te verwerken en beoordelen, zijn AI-systemen in staat realtime inzicht te geven in de toestand van een machine en bijbehorende onderhoudsbehoefte. Door de hoge nauwkeurigheid zijn faalmomenten bovendien steeds beter en in een nog vroeger stadium vast te stellen. Op dat moment is dan tevens informatie beschikbaar over de achterliggende oorzaak en locatie. Het signaal is dus niet alleen ‘er is iets mis’, maar de boodschap kan luiden: ‘De vorm van de componenten nadert het tolerantieniveau. Het gereedschap op positie 8 is binnen vier weken aan vervanging toe’.
Het zelflerende karakter heeft overigens ook een beperking. In tegenstelling tot de vroegere ‘neurale netwerken’, die werden gevoed met menselijke regels, bevatten AI-systemen vaak geen explicatie regels die door mensen zijn opgesteld. Dit maakt het lastig om een fout van een AI-systeem tot de oorzaak terug te leiden. Ook kunnen er zogenaamde ‘biassen’ ontstaan. Een bias is een systematische afwijking van de realiteit. Zou het om menselijke intelligentie gaan, dan zou het een vooroordeel kunnen heten. Bij AI ontstaan deze biassen doordat deze systemen bepaalde herkende patronen gaan versterken. Wanneer een herhaling van een patroon op toeval berust, is deze versterking onterecht en gaat het systeem afwijkingen vertonen die weer lastig te elimineren zijn.
Tot slot is het goed om AI niet als de ‘heilige graal’ te benaderen, maar meer als een krachtige ‘tool’ die niet zomaar overal gebruikt hoeft te worden. Als een simpele, bekende oplossing ook voldoet, dan kan dat ook gewoon de beste optie zijn. In alle gevallen geldt: blijf zelf ook kritisch nadenken én houd rekening met cyberveiligheid.
