Van Excel naar neurale netwerken: hoe AI de productieplanning transformeert en wanneer volledige autonomie te verwachten valt

AI in de productieplanning evolueert van een tool die mensen vervangt naar een krachtige assistent die hen versterkt, zoals geïllustreerd door het concept 'digitaal planningspaneel' van onderzoekers van het Fraunhofer Instituut, waarbij het algoritme duizenden verborgen beperkingen controleert en optimale schema's biedt, maar de uiteindelijke beslissing bij mensen blijft. In Rusland onthult een gezamenlijke studie van de Skolkovo Foundation en de ANO Digitale Economie een voorzichtige interesse in generatieve AI, met als belangrijkste belemmeringen weerstand van personeel (genoemd door ongeveer de helft van de bedrijven), slechte datakwaliteit, en moeilijkheden bij het evalueren van rendement op investering en informatiebeveiliging. Ondanks deze uitdagingen bouwen ingenieurs hybride systemen die generatieve modellen combineren met grafische representaties van productienetwerken, gebruiken grote taalmodellen (LLM's) om ongestructureerde vragen te vertalen, en passen wiskundige lineaire programmering toe (zoals in het 'AI-Kantorovich'-systeem, dat de planningstijd terugbracht tot 2-3 minuten en de kosten met meer dan 3% verlaagde in een pilot voor cosmetische productie). De onderzoekers van Skolkovo voorspellen een massale transitie: binnen 1-2 jaar adaptieve modellen voor scenarioanalyse; binnen 2-3 jaar zeer nauwkeurige modellen met digitale tweelingen; binnen 3-5 jaar industriële oplossingen en competentiecentra. Praktische voorbeelden zijn onder andere US Steel en Google's MineMind die de uitvaltijd van apparatuur met 20% verminderen, Botswana Diamonds die zeven nieuwe diamantvooruitzichten vindt uit 380 GB aan geologische gegevens, Severstal's AI-chatbot die de tijd voor onderhoudsaudits terugbrengt van 60 mensdagen naar één, NLMK's AI-assistenten die de softwareontwikkeling met 53% versnellen, SIBUR en Sber die via digitale modellering nieuwe polymeren ontwerpen, Tatneft en ITMO's 'Akela'-assistent die de plannings efficiëntie met 30% verbetert en de arbeid met 16-20 keer vermindert, Rolls-Royce die fysieke experimenten in de legeringontwikkeling met 90% vermindert, LEAP 71 die in drie weken een door een neuraal netwerk ontworpen Aerospike-raketmotor test, Siemens' industriële copiloot die tot 25% onderhoudstijd bespaart, Rosneft en ITMO die het conceptueel ontwerp voor Arctische havens tien keer versnellen, en de DOM.RF en Rocket Group die dagelijks meer dan 20 ontwikkelingsconcepten genereren. Het bedrijf Creative Way, dat dit rapporteerde, ziet dat de grootste knelpunten een gebrek aan competenties en vuile data zijn, terwijl datzelfde gebied de snelste groei biedt die binnen de eerste maanden na een project zijn vruchten afwerpt.