De rollen staal die Tata Steel aflevert, worden wereldwijd zeer goed ontvangen door de markt. Het bedrijf staat bekend als uitstekend producent; leverbetrouwbaarheid is alles. De controles tijdens de productie zijn aardig doeltreffend, klanten hebben dan ook niet overdreven veel klachten over de rollen. Maar toch, sommige fouten – zeker fouten die niet vaak voorkomen – kunnen nog net wat beter afgevangen worden. BrainCreators heeft hiervoor machine learning aan het proces toegevoegd om zodoende productiefouten te onderkennen. De jury van de Computable Awards 2020 in de categorie Grootzakelijk project nomineert het project ‘Met machine learning productiefouten onderkennen’.
In het staaloppervlakte zitten hier en daar haast onvermijdelijk fouten. Die komen ergens uit de installaties, zijn niet te tolereren en kunnen in het ergste geval zelfs schade toebrengen aan de productiemachines van de klant of die van Tata Steel zelf. Het bedrijf maakte gebruik van relatief eenvoudige classificatiemethoden. Die eenvoudige netwerken voldoen niet altijd voor cruciale, mogelijk zeer schadelijke fouten die maar een enkele keer per rol of aantal rollen voorkomen.
Bij Tata Steel was veel voorwerk al gedaan. BrainCreators kon meteen starten met de bouw van het systeem waarmee Tata Steel voorbeelddata kon genereren om de meest uiteenlopende fouten te leren herkennen en classificeren. Belangrijkste onderdeel van elk machine learning-project is het creëren van de juiste dataset. Deep learning is een wiskundig algoritme. Het systeem wordt steeds gevoed met nieuwe input, herkent een patroon en geeft bijvoorbeeld aan welke foutvariant het ziet. Een kwestie van continu trainen en bijstellen. En het is de mens die het systeem iets aanleert, de machine kan het niet zelf.
Juryoordeel
Ik ben niet op voorhand een fan van de toepassing van ai. Zeker daar waar het menselijk handelen vervangt en/of waar het verantwoordelijkheid overneemt moet er heel goed gekeken worden of het niet alleen financieel economisch maar ook ethisch en contextueel verstandig is. Computers kunnen een aantal zaken echter beter dan mensen. Het herkennen van patronen in grote hoeveelheden data is daar één van. Wat Tata Steel terecht onderkend is dat elke productiefout in staal er één te veel is. Het laaghangende fruit is echter al geplukt en het gaat hier om schijnbaar incidenteel optredende fouten. Met een volcontinu proces (wisselende bemensing) en verschillende productielijnen, is het heel lastig om de laatste fouten te herkennen en te koppelen aan de mogelijke oorzaak.
Hier levert ai dus wel degelijk een stuk nieuwe waarde. Op basis van de expertise van de Tata Steel-inspecteurs weet men een controle in te richten die menselijker wijze niet te realiseren was. Dit gecombineerd met de samenwerking van Tata Steel met een jong bedrijf met de expertise en het gebruik van door de UvA ontwikkelde technologie van Scyfer maakt deze kandidaat voor mij zeer geschikt om de Computable Award voor grootzakelijke projecten in 2020 te winnen.
