Altair gebruikt AI om samenwerking in productiebedrijf te verbeteren

Het resultaat noemt Altair ‘Frictionless AI’. Hiermee wil het bedrijf een oplossing aandragen die gebruikt kan worden om de samenwerking tussen engineers onderling en engineers en bijvoorbeeld financiële en marketingmensen binnen hun organisatie te verbeteren.

Lastige problemen

Friction ofwel wrijving is in veel industriële ondernemingen een lastig probleem, omdat het de digitale transformatie in industriële bedrijven ernstig belemmert of zelfs onmogelijk maakt. Meestal wordt met friction bedoeld dat data die – bijvoorbeeld – mechanical engineers genereren en gebruiken niet of niet goed door bijvoorbeeld productiemedewerkers of salesmensen kan worden gebruikt.

Tijdens een presentatie op de Hannover Messe noemde Altair een aantal voorbeelden van dit soort dataproblemen:

• Spraakverwarring tussen data-analisten en domeinexperts, omdat de betekenis van gegevens niet goed is vastgelegd, waardoor beide groepen een andere interpretatie van een bepaald type data hebben.
• Gebrek aan kennis of een teveel aan bureaucratie over de vraag wie toegang heeft tot welke gegevens.
• Onvolledige, slordige of niet goed geformatteerde gegevens.
• In organisaties waar al met machine learning wordt gewerkt, ontstaat vaak verwarring over de vraag waar machine learning-modellen moeten worden uitgevoerd en hoe ze moeten worden geïmplementeerd.
• Data-experts die gewend zijn te werken met klassieke data analytics-tools zijn vaak onvoldoende opgeleid voor het gebruik van bijvoorbeeld machine learning-modellen.
• Vaak hebben bestaande softwaretools de processen of procedures binnen een bedrijf bepaald en is het lastig om processen te veranderen omdat de bestaande programmatuur die nieuwe processen niet goed ondersteunt.
• Een digitale transformatie gaat vaak gepaard met vallen en opstaan, waarbij tal van nieuwe tools worden gebruikt die tijdens de proeffase al bestaande processen beïnvloeden. Wordt na de proefperiode besloten die tool toch niet aan te schaffen, dan is de kans groot dat de steun van medewerkers voor de benodigde veranderingen afbrokkelt en neemt ook de kwaliteit van de bestaande processen mogelijk af. 

Appels en peren

Volgens Altair zijn dit soort problemen zeker voor kleinere en middelgrote productiebedrijven grote uitdagingen zijn. De aangehaalde punten zijnop zich al stevige obstakels voor een bedrijf dat wil moderniseren, laat staan als er meerdere van dit soort problemen tegelijkertijd gaan spelen.

Extra gecompliceerd is dat software voor data-analyse ook als dit soort problemen zich voordoen nog steeds gebruikt wordt. Ze lijken immers nog steeds te voldoen. Ware het niet – zoals Altair’s Chief Technology Officer Sam Mahalingam het in een blog omschrijft – dat de resultaten van zo’n analyse eigenlijk nauwelijks waarde voor het bedrijf hebben. Vaak worden dan vooral appels en peren met elkaar vergeleken, zonder dat er – zeg maar – technische of zakelijke waarde uit de analyse ontstaat

Tools en kennis

Met RapidMiner verwacht Altair voor veel – ook kleinere productiebedrijven – een oplossing voor dit probleem te kunnen bieden. Het RapidMiner-platform zoals het bedrijf dit op de Hannover Messe demonstreerde, is hierbij overigens niet enkel en alleen een op AI gebaseerde softwareomgeving. Belangrijk is ook het verwerven van kennis en het aanbieden van opleidingen.

Altair heeft hiervoor een zogeheten Center of Excellence (CoE) programma opgesteld. CTO Mahalingam gaf in de hiervoor genoemde blog aan dat het bedrijf RapidMiner als een van de eerste aanbieders een proces heeft ontwikkeld dat data-onvolwassen bedrijven helpt om zich om te vormen tot een organisatie die handelt op basis van data. Dit proces identificeert welke projecten, processen of andere pijnpunten binnen de organisatie als eerste aangepakt moeten worden. Daarbij wordt een analyse gemaakt van de vaardigheden die de betrokken technische en business teams nodig hebben om zelf data-analyse problemen te kunnen aanpakken. Met opleidingen vult men vervolgens kennislacunes in.

Faciliteren van data-analyse

RapidMiner omvat verder een op cloud- en AI-technologie gebaseerd softwareplatform dat het opzetten en uitvoeren van data-analyses versnelt. Simpel gezegd, het helpt iedereen binnen de organisatie om toegang tot gegevens te krijgen, te begrijpen wat deze data betekenen en hoe ze geschikt gemaakt moeten worden om er zinvolle analyses mee te kunnen maken. Bovendien kunnen kunnen met de software machine learning-modellen worden gebouwd. Deze modellen zijn daarbij niet theoretisch van aard maar kunnen rechtstreeks in een productieomgeving worden toegepast.

Data leren begrijpen

Met name het feit dat RapidMiner in staat is gebruikers te helpen om data te begrijpen en in het juiste format te krijgen, biedt mogelijkheden. Alleen door data uit tal van bronnen en systemen met elkaar te relateren, is het immers mogelijk om – bijvoorbeeld – patronen in grote hoeveelheden data te ontdekken. Dit formatteren en met elkaar koppelen van data gebeurt bij Altair met de hulp van tientallen connectoren die interfaces mogelijk maken met tal van software-omgevingen.

Daarmee legt het platform de kracht van data-analyse in handen van degenen die het probleem het beste kennen, zodat er geen ingewikkelde discussies ontstaan tussen data-experts en domeinexperts. Tegelijkertijd is duidelijk wat de betekenis van data is en hoe deze gebruikt kunnen worden. Doordat RapidMiner ook no-code-functionaliteit biedt (via Auto ML) voor beginnende gebruikers, maar ook de mogelijkheid om desnoods zelf een analyse-applicatie te coderen, is het mogelijk om relatief simpele apps te ontwikkelen voor het verwerken van data. Dit naast meer uitgebreide toepassingen die bijvoorbeeld op bedrijfsniveau analyses en rapporten mogelijk maken.