De vele toepassingen van kunstmatige intelligentie

Toekomstbeeld

Kun je met behulp van AI een beeld genereren van het magazijn van de toekomst? Die vraag legden we voor aan fotografe Shima Zavareh, internationaal actief in industriële fotografie. Het werd een leerzame zoektocht. De eerste dagen leverde het beelden op van heftruckachtige voertuigen met hefmasten of bestuurdersplaatsen op praktisch onmogelijke plekken. Maar wat vooral opviel was dat de beeldgeneratoren gebruikmaken van beelden van oude donkere loodsen. Foto’s zoals die te vinden zijn in gratis beeldverzamelingen zoals die van 500px en Unsplash.

Het resultaat werd beter met de zoektocht naar orderpickers en automatische mobiele robots (AMR’s). Maar de AMR bleef meestal een robot met zes wielen of rupsbanden en werd niet het moderne voertuig dat in magazijnen rondrijdt. Wel konden de beeldgeneratoren een redelijk accurate AMR samenstellen, met een grote grijper om dozen op te pakken. “AI is nu beter in het maken van sfeerbeelden met eten dan in het weergeven van industriële visies”, aldus de fotografe. Een slimme visie op de toekomst van het magazijn zat er niet in. Het maakt wel duidelijk dat er voor de makers van beeldbewerkende software, zoals Adobe, geld te verdienen is met het gebruik van de aan deze bedrijven in de cloud toevertrouwde foto’s.

Monetization

AI is als begrip nog maar net uit de doos, maar werd dit jaar al volop toegepast in een markt waar vele miljoenen euro's omgaan, namelijk die van de sportverslaggeving. De successen van AI in de verslaggeving van de Olympische Spelen, voetbalwedstrijden en de Grand Prix-races werden half september besproken tijdens de media- en entertainmentvakbeurs IBC in Amsterdam. Bij veel aanbieders was monetization de aandachts­trekker: AI moet contentmakers helpen geld te vragen door fans langer vast te houden of content toe te voegen aan openbare informatie – techbedrijf Microsoft was daar op de beurs heel duidelijk over. 

Bij veel aanbieders van techniek draaide het op de beurs om automatisering en remote-bediening. De tijd dat een Grand Prix werd verslagen door tientallen cameramensen is voorbij. De regiekamer bevindt zich nu op luchthaven London Biggin Hill, waarbij gebruik wordt gemaakt van remote bestuurde camera’s langs het circuit. Met een klein crisisteam voor eventualiteiten. Die camera’s op hun beurt zijn robots die door AI en machine learning zelf scherpstellen op het onderwerp dat ze volgen. 

In de nagebouwde studio van Sony op de beurs was te zien dat ook biljartwedstrijden, verkoopprogramma’s en managementpresentaties door een nieuwe generatie camera’s niet veel menskracht meer vragen. Ontwikkelingen waarbij omroepbedrijven concurrentie krijgen van bedrijven die direct via social media uitzenden.

Veredelen informatie

Tot zover de creatieve wereld. Hoe zit het met AI in de logistiek en internationale handel? AI is het tegen spionage aanleunend (automatisch) verzamelen, verwerken en veredelen van informatie die in de cloud te vinden is. Productie- en handelsbedrijven zijn leveranciers en gebruikers van big data in de cloud. De invoer hierbij is sterk geautomatiseerd, gebruikmakend van barcodes, QR-codes en RFID-tags. De data worden op hun beurt geleverd door de aan het internet gekoppelde ‘things’.

Systemen die de data gebruiken om plannen te maken, doen wat een expert doet. Wordt AI gebruikt, dan kan de software in korte tijd patronen identificeren die mensen over het hoofd zouden kunnen zien. Dat maakt dat AI een steeds grotere rol zal krijgen in het plannen van inkoop en voorraadbeheer. Maar het gaat ook op voor inspectie en onderhoudsplannen voor machines en infrastructuur. Bij de inkoop begint AI op te komen. In de beginjaren van McDonald’s in Nederland was het verhaal dat klanten snel konden worden geholpen, omdat de onderneming bijhield op welke dag en op welk tijdstip er vraag was naar de verschillende producten. Zoiets doet een inkoopsysteem met AI ook. Een online supermarkt weet om tien uur ’s avonds wat ze morgen moet leveren, maar moet de producten dan wel al in huis hebben. Door gebruik te maken van historische bestel­gegevens en een zelflerend AI-model, komt niemand voor verrassingen te staan.

Online supermarkt Crisp wil op die manier de inkoop afstemmen op de vraag en daarmee de eigen verspilling van verse producten tegengaan. Dat is ook de boodschap van Erasmus Q-intelligence, een groep binnen de Erasmus Universiteit. Zijn forecastingtool FCast helpt productie- en distributie­bedrijven van koelvers en ultravers vroegtijdig inzicht te krijgen in de vraag naar producten. In een uitgave van het voormalige evofenedex magazine gaf BFG Warehousing inzicht in het gebruik van die tool voor inkopers. Op basis van historische gegevens en door Erasmus verzamelde marktinformatie uit de cloud kan BFG accurate voorspellingen maken van de vraag naar producten in het assortiment en nieuwe producten. De voorspellingen komen van Erasmus Q-Intelligence en worden uitgevoerd door de rekenservers van de universiteit.

Onderhoud infrastructuur

Veredelen van verzamelde informatie is ook aan de orde bij de inspectie van bruggen, gebouwen en havens. Het verzamelen van informatie gaat via drones, die in een korte tijd nauwkeurige beelden maken van constructies en metingen verrichten met sensoren. De informatie wordt vergeleken met eerdere gegevens en data van vergelijkbare constructies. Analyse van de grote hoeveelheid data leidt dan tot een onderhoudsplan. Het Rotterdamse woningbedrijf Havensteder gebruikt die techniek voor de onderhoudstoestand van dakbedekking, gevels en kozijnen. Zo hoeven bewoners niet meer thuis te blijven en houdt het woningbedrijf een goed beeld van zijn vastgoed.

De voorspellende kant van AI is ook de basis van het unmanned traffic system in het Rotterdamse havengebied. Dit verkeersleidingssysteem moet droneverkeer in goede banen leiden. Havenbedrijf Rotterdam schrijft op zijn website ervan uit te gaan dat onbemande en bemande drones de toekomst zijn. Voor pakketvervoer, maar eerder nog voor politie en brandweer, die met een bemande drone bij een calamiteit in het havenbedrijf snel ter plaatse kan zijn. Drones van overheidsinspectiediensten krijgen van de automatische luchtverkeersleiding toegang tot no-fly-zones, zodat ze de rook van een schip kunnen bemonsteren of emissies kunnen meten. Ook de bedrijven in het havengebied gaan drones inzetten. Zo heeft Shell aangekondigd met een drone de zestig drijvende daken van opslagtanks te inspecteren. De inspectie gebeurt nu tweemaal per week en vraagt veel tijd. Een drone kan de daken sneller inspecteren.

De autonome drones waarover het Havenbedrijf schrijft, hebben AI nodig om te kunnen vliegen. AI weet snel te reageren op turbulentie en obstakels. Die praktijksituaties staan in de cloud beschreven en kunnen worden verzameld en veredeld.

Veiligheid voertuigen

Voorspellen kan ook betekenen dat fouten in het verkeer kunnen worden voorkomen. Dat is de toekomst van AI in het verkeer. Een vrachtauto kan zelf ingrijpen als een ongeval op de loer ligt. Alle assist-systemen om een voertuig binnen de strepen te houden of aanrijdingen met voetgangers of fietsers te voorkomen, zijn vroege voorbeelden van AI. Die systemen helpen de chauffeur veilig op een bestemming aan te komen. Maar al vanaf het begin is het geen geheim dat de systemen de bouwstenen zijn voor autonoom rijdende vrachtauto’s. De Duitse sensorproducent Sick is, samen met de technische universiteit in München, bezig om autonoom rijden vooruit te helpen door de toepassing van 3D-camera’s in combinatie met machinelearningsoftware.

Die assist-systemen worden gewoon. In de Europese veiligheidsverordening voor nieuwe trucks en bussen is de verplichting opgenomen dat zes systemen die de veiligheid dienen sinds juli dit jaar verplicht zijn. Ze houden de dode hoek, de bandenspanning en de alertheid van de chauffeur in de gaten. De systemen zijn ontwikkeld met behulp van AI. Zo hebben ze ‘geleerd’ mensen te onderscheiden van andere obstakels die zich achter de vrachtauto bevinden. Om het aantal waarschuwingssignalen terug te dringen, kunnen de alarminstellingen worden beperkt tot het moment waarop de vrachtauto daadwerkelijk in de richting rijdt waar mensen aanwezig zijn.

Heftrucks met AI-camera

Ook in magazijnen komt de introductie van autonoom rijdende voertuigen dichterbij en dan niet alleen de relatief kleine automatische mobiele robots die de afgelopen jaren op vakbeurzen te zien waren. Het begint met ongevallenpreventie. Ongevallen met heftrucks voorkomen, dat is de basisgedachte achter de nieuwe Reverse Assist Camera, die heftruckmaker Linde heeft aangekondigd. Door AI weet de heftruck dat het om een mens gaat, of een obstakel. Als de camera een mens in een hoek detecteert, horen die persoon en de bestuurder een waarschuwingssignaal en gaat de truck automatisch minder snel rijden of stoppen.

Met behulp van een AI-achteruitrijcamera is het de heftruck die centraal staat bij de veiligheid in magazijnen. Veiligheid wordt op die manier niet meer gedelegeerd naar mensen die moeten letten op akoestische signalen of de projectie van blauwe of rode lichten of gevarenzones op de vloer. Met behulp van de camera is het de heftruck die uitkijkt. Door het algoritme richt de camera zich alleen op kritieke omstandigheden, aldus Linde. Dit om te voorkomen dat truckbestuurders en magazijnmedewerkers ongevoelig worden voor (te veel) waarschuwingssignalen.

Deze innovatie zal niet tot Linde beperkt blijven. De Duitse producent van veiligheidssensoren Sick heeft onlangs een uitbreiding aangekondigd van haar 2D- en 3D-camerareeks met een ‘AI-gestuurde, 2D-visie slimme camera’.

Beslissen via digital twin

Mensen zijn visueel ingesteld. Een schaalmodel of een virtuele impressie helpt bij het nemen van besluiten. Een techniek waar logistici mee te maken krijgen is de aan AI en machinelearning verwante innovatie ‘digital twin’. Dit is een digitaal opgebouwde kopie van een fysiek systeem, dat nog het best te vergelijken is met een volledig digitaal schaalmodel van een productie-installatie, geautomatiseerd magazijn, voertuig of samengesteld object. Hierbij kan op afstand op elk onderdeel apart worden ingezoomd op doorstroming of voor controles vanwege onderhoud of storing.

Een goed voorbeeld hiervan is het Nederlandse project ‘Transitioning towards resilient multimodal corridors using digital twinning’ van TKI Dinalog. Met behulp van digital twins wordt gezocht naar manieren om de goederencorridor langs het Twentekanaal robuust te maken. De bedrijven langs de Twentse kanalen hebben de afgelopen jaren gezien dat klimaatverandering voor problemen met de binnenvaart zorgt.

Logistiek zal een gebied worden waar bedrijven met digital twins werken. Het werken met visualisaties van modellen moet laten zien wat er gebeurt als managers, technici of planners aan de knoppen van een logistieke systeem draaien. Samen met AI zou een logistiek manager op die manier ­bijvoorbeeld ook een systeem van voorraadbeheer in een virtueel model kunnen gieten.