Slimme algoritmes, zelflerende modellen, en fabrieken die zichzelf controleren: het klinkt als toekomstmuziek. Maar bij EKB Groep B.V. weten ze inmiddels beter. ‘AI is een prachtig hulpmiddel, maar absoluut geen toverstaf,’ waarschuwen experts Jasper Verhoef en Sébastien Negrijn. Wat moet je als industrieel bedrijf écht weten voordat je met AI aan de slag gaat?
Machine Vision – het automatisch controleren van producten met behulp van camerabeelden – is al decennia een betrouwbare tool in industriële productieomgevingen. Maar waar traditionele systemen vaak vastlopen bij variatie of afwijkingen die lastig in regels te vatten zijn, biedt AI uitkomst. Toch kleven er ook risico’s aan, die volgens EKB vaak over het hoofd worden gezien.
“Veel bedrijven denken dat AI alles kan. Dat is simpelweg niet waar.”
Van katten en kopjes
“Het verschil tussen een hond en een kat zie je in één oogopslag,” zegt Sébastien Negrijn, Manager Engineering bij EKB. “Maar leg dat maar eens in regels uit aan een machine. Dat is waar AI het verschil maakt: in plaats van regels opstellen, laat je het systeem zelf het onderscheid leren.”
Dat is ook precies waarom AI zo krachtig is bij kwaliteitscontrole in dynamische productieomgevingen. Denk aan producten die continu variëren – van bekers met wisselende logo’s tot planten in de tuinbouw waarvan je moet tellen hoeveel bloemen erin zitten. “Traditionele machine vision kan dit vaak niet aan zonder hoge kosten of langdurige herprogrammering,” vult AI-specialist Jasper Verhoef aan. “AI-systemen zijn veel flexibeler én sneller te implementeren.”
Snelheid ≠ betrouwbaarheid
Maar er zijn ook keerzijden. In high-speed omgevingen – zoals productielijnen waar tientallen producten per seconde passeren – kan AI simpelweg te traag zijn. Bovendien is er het risico dat een AI-model foute producten goedkeurt of andersom.
“Bij een product met een mogelijk dodelijke fout – denk aan schimmel in voeding – wil je 100% zekerheid. Dan is klassieke machine vision vaak nog de veiligste keuze.”
Ook de validatie van AI-modellen is een aandachtspunt. “Je traint op historische data, maar hoe weet je zeker dat het model ook werkt in de praktijk?” vraagt Verhoef zich hardop af. Bij EKB combineren ze training en validatie daarom altijd met strenge testsets en wekelijkse kwaliteitscontroles met afwijkende producten.
Wat je als fabrikant móet weten
Volgens Negrijn en Verhoef is er één advies dat bovenaan moet staan voor bedrijven die met AI willen starten: weet wat je wilt oplossen. Is snelheid het belangrijkst? Is het product sterk variabel? Is 100% zekerheid cruciaal, of mag er een foutmarge zijn?
“AI is een hulpmiddel. Geen wondermiddel. Begin met een duidelijke probleemdefinitie – en kies dan pas de technologie.”
Wat brengt de toekomst?
De experts verwachten dat AI-systemen steeds krachtiger en gebruiksvriendelijker worden. “Over een paar jaar kun je wellicht gewoon intypen wat je goed- en afkeurcriteria zijn – en het model doet de rest,” voorspelt Verhoef. “Maar tot die tijd is slim combineren van menselijk inzicht, klassieke technieken én AI de sleutel tot succes.”
Wil je als fabrikant experimenteren met AI in kwaliteitscontrole? Besef dan: het gaat niet om het implementeren van de nieuwste hype – maar om het oplossen van het juiste probleem. EKB weet precies hoe dat werkt.
Dit artikel is gepubliceerd op Deindustrieonline.nl
