Hoe werkt een AI-project nu precies in de praktijk? Het Duitse adviesbureau DataArt gaf hier onlangs een mooi voorbeeld van. In nog geen vier maanden wist men voor een klant een op AI gebaseerd voorspellend onderhoudssysteem te bouwen.
DataArt heeft in vier maanden tijd een innovatief voorspellend onderhoudssysteem ontwikkeld voor een groot sorteercentrum in Europa.
AI en Machine Learning
Dit systeem, gebaseerd op kunstmatige intelligentie (AI) en Internet of Things (IoT), is ontworpen om storingen in machines vroegtijdig te detecteren en zo de operationele efficiëntie te verhogen.
Het systeem maakt gebruik van 550 sensoren die gegevens zoals temperatuur, trillingen en geluid verzamelen. Deze data wordt in realtime geanalyseerd met behulp van geavanceerde machine learning-modellen, gehost op Amazon Web Services (AWS). Met behulp van tools zoals AWS SageMaker en Athena worden de gegevens geanalyseerd om patronen te herkennen die wijzen op mogelijke toekomstige storingen. Hierdoor kan het onderhoudsteam preventieve maatregelen nemen voordat een storing optreedt, wat leidt tot een aanzienlijke vermindering van onverwachte stilstand en reparatiekosten.
Langere levensduur machines
Het voorspellende onderhoudssysteem heeft direct bijgedragen aan het verlengen van de levensduur van machines met ongeveer 40%. Dit betekent dat de machines langer meegaan zonder storingen, wat de productiviteit verhoogt en de kosten verlaagt.
Minder reserve-onderdelen
Bovendien is de voorraad van reserveonderdelen met 20% gereduceerd, omdat het systeem nauwkeurig voorspelt welke onderdelen binnenkort vervangen moeten worden. Dit optimaliseert het voorraadbeheer, vermindert de opslagkosten en voorkomt overbodige aankopen.
Cloud-onafhankelijk
Een belangrijk kenmerk van het systeem is de modulaire opbouw en onafhankelijkheid van een specifieke cloudprovider. Dit maakt het systeem flexibel en toekomstbestendig, zodat het eenvoudig kan worden aangepast of uitgebreid op basis van de veranderende behoeften van het sorteercentrum.