Hoeveel kunstmatige intelligentie zit er al in machines?

​Sinds ChatGPT is het onderwerp artificiële intelligentie niet meer weg te denken uit de media. Maar hoe ziet die er eigenlijk uit in de industrie? En in hoeverre wordt ze daar al gebruikt om machines intelligenter te maken? Een gesprek met dr. Johannes Kühn, hoofd besturingstechniek, motion control en robotica bij Lenze, over waar we nu staan.

“Artificiële intelligentie is nog niet geïntegreerd in de productie zelf, in het hart van de machines”, tempert Kühn meteen de verwachtingen. Afgezien van beeldherkenning, waar bijna altijd gebruik wordt gemaakt van artificiële intelligentie, worden machines gebouwd en aangestuurd op basis van fysieke modellen. “Dat hoeft niet te verbazen. Betrouwbaarheid en continuïteit zijn daar de sleutelwoorden, er is weinig ruimte voor risicovolle experimenten. Machine learning, dat in de industrie het meest gebruikt wordt, is eigenlijk een van de zwakkere methoden. Machine learning is gebaseerd op wiskunde die al sinds de jaren zeventig bestaat. Het gaat om statistische procedures: het classificeren van gegevens en het nemen van beslissingen op basis van historische gegevens. De reden waarom deze methode nu steeds meer wordt gebruikt, is dat er genoeg rekenkracht is om dergelijke voorspellingen te doen. De methode heeft haar beperkingen, want je kunt een model niet zo goed trainen dat het volledig nieuwe situaties aankan. Het weet alleen wat het heeft geleerd. Een werktuigbouwkundig ingenieur kan zich dat niet veroorloven. En daar bereikt bijvoorbeeld ook de zelfrijdende auto zijn grenzen.”

Dit betekent echter niet dat artificiële intelligentie nog niet is doorgedrongen tot in de industrie. Integendeel. 

“De toepassingen zitten vandaag in alle processen en diensten eromheen”, verduidelijkt Kühn. “En als je het wat breder bekijkt, bijvoorbeeld in marketing of merchandise management, is het zelfs gemeengoed. Het heeft dus het nodige potentieel. Als we precies kunnen voorspellen hoeveel producten we nodig hebben, kunnen we middelen efficiënter inzetten. In die zin zal artificiële intelligentie een cruciale rol spelen in onze reis naar een koolstofneutrale productie. Maar niet door een slimmere en energie-efficiëntere aandrijflijn te ontwikkelen. Daarvoor is het nog te vroeg.” 

Lenze gebruikt zelf artificiële intelligentie in zijn tools voor conditiebewaking en voorspellend onderhoud. “Dat zijn gebieden waar artificiële intelligentie een grote vlucht neemt. Componenten gedragen zich tijdens hun levensduur meestal op dezelfde manier en worden aan dezelfde belastingen en slijtage blootgesteld. Je kunt dus veel leren van gedrag om onverwachte stilstand te voorkomen en de onderhoudsprestaties te optimaliseren.”

En hoewel bij artificiële intelligentie alles draait om gegevens, blijft volgens Kühn de rol van de ingenieur in dit verhaal bijzonder belangrijk. 

“Alles begint met het verzamelen van data. Als je maar genoeg gegevens hebt, kun je aan de slag en de juiste conclusies trekken. Maar met intelligente data kun je nog betere beslissingen nemen. Dat is de taak van de ingenieur, om in de hooiberg van gegevens de juiste naalden te vinden. Als je puur statistisch denkt, zou je vandaag een correlatie kunnen vinden tussen het aantal poolvossen op Antarctica en het aantal werklozen in Duitsland. Maar alleen omdat de populatie poolvossen zou afnemen, zou het werkloosheidspercentage niet ook afnemen. Dit zijn domme gegevens. Hoe slimmer we onze gegevens kunnen maken, hoe minder krachtig algoritmen voor artificiële intelligentie kunnen zijn.”

Ook op deze manier maakt Lenze het verschil. “Wij gebruiken onze motor als sensor om gegevens voor onze klanten vast te leggen. Maar er zijn bijna onbeperkte mogelijkheden om het koppel in de omvormer op te vangen en te verwerken. Als je artificiële intelligentie naar al die signalen zou moeten laten luisteren, zou dat te veel rekenkracht vergen en te veel kosten. Dus moet je alleen de gegevens eruit halen die je iets vertellen over de toestand van de motor. En dat begint met kennis over de hardware en de toepassingen. Daarom is Lenze beter”, voegt Kühn er met een brede glimlach aan toe. “Met die kennis leggen we de basis voor bijvoorbeeld goede conditiebewaking.” 

Maar het uitgangspunt blijft natuurlijk de data. Lenze bundelt deze in zijn Drives Datahub software, directe toegang tot kant-en-klare aandrijfgegevens via diverse communicatie-interfaces. Van daaruit kunnen gebruikers vervolgens hun eigen machines monitoren in dashboards of in Nupano. “Met artificiële intelligentie hebben machinebouwers dus zeker al een interessante nieuwe tool in handen. Maar het zal nog wel even duren voordat het echt tot het hart van de machine doordringt. En we moeten ook niet vergeten dat niet elk probleem met een schroevendraaier kan worden opgelost”, besluit Kühn.