Europese industriële leiders zetten ai in om next-gen fabrieksautomatisering te domineren

Siemens, ABB en Schneider Electric benutten productiegegevens om China en de VS uit te dagen in slimme productie

Europese industriële spelers zien een duidelijke kans om de toekomst van ai op de fabrieksvloer vorm te geven. Terwijl China wereldwijd de productie domineert en de Verenigde Staten vooroplopen met geavanceerde ai-modellen, positioneren bedrijven met diepe wortels in productiemachines zich om de volgende generatie intelligente systemen te leveren.

Europese bedrijven putten uit decennia fabrieksdata

Siemens, ABB en Schneider Electric beschikken over uitgebreide gegevens van wereldwijd geïnstalleerde apparatuur. Deze informatie geeft hen een voorsprong bij het trainen van ai-tools die storingen voorspellen, de kwaliteit verhogen en bestaande productielijnen optimaliseren. Het doel is klanten aan zich te binden door deze systemen in te bedden in machines die kostbaar en complex zijn om te vervangen.

Overheden zien de technologie als een manier om arbeidstekorten te verlichten en productie in eigen land te houden. Industriële concerns wereldwijd hebben sinds 2020 meer dan 110 miljard dollar geïnvesteerd in software-overnames om hun ai-aanbod te versterken, volgens Goldman Sachs.

China schaalt robots op terwijl Europa focust op datakwaliteit

China is goed voor ongeveer dertig procent van de wereldwijde goederenproductie en installeerde vorig jaar bijna zestig procent van de nieuwe industriële robots, volgens de International Federation of Robotics. Het Chinese initiatief “AI + manufacturing” moet de adoptie versnellen. Toch vertrouwen veel Chinese fabrieken nog op handmatige processen en variëren de normen sterk.

Europa’s langere geschiedenis van robotinstallatie en digitalisering, gedreven door hogere loonkosten, heeft rijkere datasets opgeleverd. Alleen al Duitsland’s Siemens claimt een op de drie fabrieksbesturingen wereldwijd te hebben geleverd. Experts stellen dat dit Europese bedrijven extra sterk maakt op gebieden als voorspellend onderhoud en procesefficiëntie.

Amerikaanse techreuzen leveren kern-ai-hardware en -modellen

Nvidia heeft een dominante positie in ai-chips voor het trainen van robots en het draaien van simulaties. Amerikaanse startups trekken ook grote investeringen aan; Prometheus, gesteund door Jeff Bezos en Vik Bajaj, haalde in juni 12 miljard dollar op voor een platform voor een “artificial general engineer”.

ai in de fysieke wereld kent unieke technische en praktische hindernissen

Anders dan chatbots die getraind zijn op openbare tekst en code, vereist industriële ai gespecialiseerde sensorgegevens, technische tekeningen en eigen productiegegevens. Veel van deze data is nog niet verzameld of alleen op papier opgeslagen. Fouten in echte systemen kunnen apparatuur beschadigen of werknemers in gevaar brengen.

Het Duitse programma Industrie 4.0 stimuleert al meer dan tien jaar digitalisering, maar een studie van Bitkom toonde aan dat bijna de helft van de Duitse industriële bedrijven nog onvoldoende it-infrastructuur heeft voor virtueel testen. Productie in kleine series beperkt ai-voordelen in sommige sectoren verder.

ai kan tot dezelfde conclusie komen, maar er had een snellere, goedkopere en robuustere weg naartoe kunnen zijn.

— Sabine Pfeiffer, directeur van het Beierse Onderzoeksinstituut voor Digitale Transformatie, Interviewopmerkingen over automatiseringsstudies

Praktische toepassingen leveren al resultaten op in ontwerp en productie

BMW werkt samen met het Franse Mistral AI om meer dan een petabyte aan crash-simulatiedata te analyseren en virtueel testen te versnellen. Het Duitse chemieconcern Lanxess gebruikt ai om trillingen, temperatuur en andere signalen te combineren en mogelijke apparatuurproblemen weken van tevoren te signaleren.

Ingenieurs van Siemens beschrijven taken in gewone taal aan de Eigen Engineering Agent, die automatiseringscode genereert en valideert. Het Chinese bedrijf CASMT meldde dat het prototypetaken voor remleidingen twee tot vijf keer sneller afrondde met dezelfde aanpak.

Logistieke robots leren omgaan met variabele items in realtime

Traditionele robots hebben moeite met wisselende pakketvormen en materialen. Nieuwe ai-modellen laten machines objecten herkennen en beslissen over de handlingmethode in realtime. Het Sparrow-systeem van Amazon kan meer dan 200 miljoen verschillende producten verwerken die in de magazijnen binnenkomen.

De langetermijnvisie richt zich op volledig autonome productie

Ontwikkelaars zien ai-systemen voor zich die een productontwerp ontvangen en vervolgens productiemethoden, gereedschapsontwerp, fabrieksindeling en robotcoördinatie bepalen. Vermeldingen van industriële ai in bedrijfsrapporten zijn sinds de lancering van ChatGPT in 2022 meer dan acht keer zo vaak voorgekomen.

China heeft al meer dan twee miljoen industriële robots in gebruik, ongeveer 4,5 keer zoveel als Japan. Bedrijven als BYD en TCL werken aan “donkere fabrieken” die met minimale menselijke aanwezigheid draaien. Europese en andere ontwikkelaars vullen schaarse real-world data aan met simulaties en menselijke demonstraties in laboratoria zoals Agile Robots in München.