Sluiten Close icon

Ondernemen & innoveren

Door onze unieke hightech competenties en de krachtige samenwerking tussen bedrijfsleven, onderwijs- en kennisinstellingen en overheden is Brainport Eindhoven uitgegroeid tot een economische kernregio. Samen realiseren we innovaties voor de maatschappelijke vraagstukken van vandaag en morgen.

Arrow icon Ondernemen & Innoveren
Sluiten Close icon

Leren & Werken

Of je hier nu leert, studeert of werkt; Brainport biedt eindeloos veel kansen om te groeien. Jouw succes wordt hierin bepaald door de manier waarop je jouw uitdagingen overwint. Voor ondersteuning kun je hiervoor op verschillende plekken binnen Brainport terecht. Om je kennis te verbreden, nieuwe inzichten op te doen of om gewoon een antwoord op je vraag te krijgen.

Sluiten Close icon
Sluiten Close

Ontdek Brainport

Ondernemen & Innoveren

Leren & Werken

Partnership Brainport Eindhoven & PSV

Sluiten Close

Droom groots maar begin beheersbaar

Technology Owner bij Vanderlande onderzoekt en demonstreert de kracht van AI.

Mariana Goldak-Altgassen uit Oekraïne werkt bij Vanderlande als Technology Owner Algorithms binnen de afdeling Innovate. Haar rol is om zowel de kracht als de beperkingen van AI aan de interne organisatie en de klanten van Vandelande te demonstreren. Op korte termijn verwacht Mariana veel van computer vision. De eerste proof of concepts (PoC's) zijn veelbelovend. De grootste uitdaging ligt in opschaling. Vanderlande werkt actief samen met andere bedrijven en universiteiten om kennis op te bouwen en het industrialisatieproces te versnellen. Mariana's belangrijkste advies als het gaat om het verkennen van AI en het definiëren van use-cases: 'droom groots maar begin beheersbaar'.

“Ik kwam in 2010 naar Nederland voor een Professional Doctorate in Engineering-opleiding aan de TU/e, genaamd Mathematics for Industry”, vertelt Mariana. “Nadat ik het programma in 2012 had afgerond, startte ik bij Vanderlande, een wereldwijd toonaangevende leverancier van duurzame logistieke procesautomatisering in de luchthaven-, warehousing- en pakketmarkt. Ik ben op de R&D afdeling begonnen als software development engineer.”

Gefascineerd door machine learning en AI

“Terwijl ik werkte aan een project genaamd Load Forming Logic, dat het hart vormde van onze STOREPICK-oplossing, raakte ik geïnteresseerd in Machine Learning. Op dat moment waren we bezig met het onderzoeken van opties om de stapelbaarheid van items te voorspellen. Ik vond het echt fascinerend en daar begon mijn reis. Ik heb diverse cursussen op het gebied van Machine Learning gevolgd en heb deze nieuwe vaardigheden meteen toegepast in de praktijk. Op een gegeven moment kreeg ik een functie aangeboden als teamleider van mijn team en veranderde mijn rol in een wat meer leidinggevende functie.”

Verantwoordelijk voor AI-roadmaps en verbinding maken met het ecosysteem

“Die uitdaging ben ik aangegaan en we zijn als team begonnen om AI-competenties op te bouwen. Op het moment dat de organisatiestructuur van Vanderlande veranderde, veranderde ook mijn rol. Het werd een meer inhoudsgerichte rol met de titel Technology Owner. In deze rol ben ik verantwoordelijk voor het definiëren van de AI-technologie roadmap, het coördineren van activiteiten met de academische wereld, het ondersteunen van de ontwikkelorganisatie bij de transitie van technologie wanneer deze volwassener wordt en het zorgen dat nieuwe technologie verankerd raakt in de hele organisatie.”

De voordelen van AI verkennen aan de hand van use-cases

“Onze Innovate-afdeling is aan het roer om zowel de kracht van nieuwe technologieën als hun beperkingen te laten zien. Een missionaire rol met als doel het bedrijf te laten zien wat elke technologie betekent. Bij Innovate richten we ons daarom op proof of concepts. Als een proof of concept een succes is, wordt het in productie genomen.”

Focus Proof of Concepts ligt op het toepassen van computervisie

“We hebben verschillende verkennende projecten gedaan om te kijken wat de waarde zou zijn van het toepassen van AI op bepaalde applicaties. In plaats van klassieke vision-algoritmen en dure hardware te gebruiken, konden we bijvoorbeeld slimmere algoritmen en goedkopere hardware gebruiken, zonder concessies te doen als het gaat om prestaties op het vlak van pakketdetectie. Zo hebben we een aanzienlijke kostenbesparing weten te realiseren.

“Het scheiden van bagage, het verzamelen van items uit een bak, pakketdetectie op een transportband en analyse van de houding van operators om de ergonomie te verbeteren, zijn allemaal voorbeelden van computertaken waarbij AI ons helpt om met veelzijdige en robuuste oplossingen te komen voor onze klanten.”

Succesvolle Proof of Concepts opschalen

“Over het algemeen zij we veel bezig met verkennend onderzoek. We hebben succesvolle proof-of-concepts, de volgende stap is om ze naar een hoger niveau te tillen. Het industrialiseren van AI-oplossingen is een proces waarmee zowel Vanderlande als andere bedrijven nog volop bezig zijn. Dan gaat het niet om AI op zichzelf, maar om de hele infrastructuur eromheen. Dat varieert van het verzamelen van gegevens tot het implementeren van modellen, het onderhouden van de modellen in de tijd, het detecteren van de drift van een model en hoe je daarop reageert. Dat zijn onderwerpen waar nog antwoorden op moeten worden geformuleerd. In die fase zitten we nu.”

Het aantonen van de waarde van technologie

“Bij Vanderlande onderzoeken we de meerwaarde die AI kan hebben. Ons belangrijkste doel daarbij is om die meerwaarde aan te tonen. Je kunt honderden use-cases definiëren, wij richten ons op de meest veelbelovende. Op onze afdeling werken we volgens een duidelijk proces om ervoor te zorgen dat waar we aan werken, is afgestemd op wat de business echt nodig heeft. De technologie-eigenaren kijken naar de laatste trends, evalueren wat er technisch mogelijk is en werken nauw samen met mensen die de behoeften van onze klanten goed begrijpen. Alle ideeën worden zorgvuldig beoordeeld en enkel de meest kansrijke gaan door naar de volgende fase.”

Verbreding van de reikwijdte van AI

“Naast geavanceerde computervisie technologie verkennen we ook andere gebieden. Als je AI vergelijkt met een mens, heb je ogen, handen, hersenen enz. Op korte termijn zullen we AI met name gebruiken voor de ‘ogen’, omdat er zoveel use-cases zijn in het vision gebied. AI stelt onze systemen in staat te begrijpen wat de camera's zien en biedt zo een waarnemingsvermogen dat onze systemen in staat stelt om te gaan met meer diverse en minder gestructureerde omgevingen. Dat is veel  moeilijker of zelfs onmogelijk met klassieke benaderingen. Op de lange termijn zal de grootste impact op het gebied van de ‘hersenen’ zijn. Dan betreft het systemen op een hoger niveau waarbij besluitvormingsalgoritmen alle processen waarvoor onze systemen staan opgesteld, aansturen."

Zelfbewuste systemen die autonome beslissingen nemen

“De heilige graal zijn zelfbewuste systemen, systemen die zijn uitgerust met alle sensoren die nodig zijn om de juiste gegevens te verzamelen en die vervolgens middels AI de beste beslissingen nemen. Een trend waar we naartoe werken is dynamische besluitvorming die we bijvoorbeeld kunnen gebruiken voor orderbatches, voertuigrouting, stapelen en andere optimalisatieproblemen. Je kunt vooraf bepaalde dingen plannen, maar in werkelijkheid moeten we werken in een veranderende omgeving. Om realtime aanpassingen van onze systemen mogelijk te maken met een minimale impact op de down-time van het systeem, zou het enorm helpen om een om een ​​​​nauwkeurige digitale weergave van een dergelijk systeem te hebben (die verbonden is met het fysieke systeem). Vervolgens kunnen we de parameters optimaliseren en de impact van de wijzigingen valideren om ze vervolgens met hoge zekerheid toe te passen op het fysieke systeem.”

AI kan mensen versterken                                             

“Ik geloof erin dat AI bedoeld is om mensen te versterken. De mens staat centraal en AI laat de mens  schitteren. Het is geen doel om mensen te vervangen, maar om hun leven makkelijker te maken. Repetitieve, saaie taken moeten worden overgenomen, maar emoties tonen en creatief zijn, blijven unieke menselijke capaciteiten.

Er zijn al enkele AI-toepassingen die handelingen van ingenieurs op locatie automatiseren. Als je bijvoorbeeld een chatbot hebt, kan de bot je begeleiden ebij het onderhoud, je hoeft dan niet de hele handleiding door te lezen.”

Samenwerken met EAISI aan deep reinforcement learning

“Om AI door te ontwikkelen, werken we samen met verschillende universiteiten. Daarvoor zijn we onder meer een consortium gestart met verschillende industriële partners en TU/e, EAISI. In dit consortium gaan we deep reinforcement learning onderzoeken, één van de technieken die onder de AI-paraplu vallen. Het doel is om een generiek framework te ontwikkelen die besluitvormingsprocessen in dynamische logistieke omgevingen optimaliseert. Dit zou het makkelijker moeten maken om dit type algoritmes in industriële settings te implementeren.”

Consortium gericht op het ontwikkelen van een betrouwbaar en verantwoord AI-framework

“Van een ander consortium verwachten we dat het gaat starten in 2022. Het moet nog wel worden toegekend door NOW, onze nationale onderzoeksraad. Jheronimus Academy of Data Science zal dan in de lead zijn en bij dit consortium zijn nog meer industriële partners betrokken. Het doel is om een ​​betrouwbaar en verantwoord AI-raamwerk te ontwikkelen om de vaardigheden van menselijke operators te vergroten en uiteindelijk hybride intelligentie te bereiken.

Naast deelname aan consortia werken we samen met zeer diverse bedrijven waarmee we kennis uitwisselen, of die oplossingen bieden voor onze behoeften.”

Uitdagingen bij het verder ontwikkelen van AI

“Bij het verder ontwikkelen van AI staan ​​we voor verschillende uitdagingen. Zoals ik al zei, is de industrialisatie van AI-oplossingen een belangrijke. Daarnaast is het ook een uitdaging om ervoor te zorgen dat we over de juiste data van goede kwaliteit beschikken. Soms heb je al gegevens die je kunt gebruiken, maar kan blijken dat wat er is verzameld niet voldoende input oplevert. Dan moet je nadenken over welke gegevens je nodig hebt, en die moet je dan vervolgens verzamelen. Het is belangrijk om dat op een verantwoorde manier te doen, aangezien het verzamelen van alle mogelijke data niet efficiënt is en het ook nog eens een negatieve CO2-voetafdruk op onze planeet heeft.”

Eén van de belangrijkste beperkingen van AI is dat sommige technieken, zoals deep learning, een zwarte doos is als je het vergelijkt met klassieke software. Als je de exacte oorzaak moet achterhalen, is het misschien niet de juiste techniek. Aan de andere kant zijn er ook eenvoudigere Machine Learning technieken, zoals beslisbomen, die verklaarbaar zijn en kunnen worden gebruikt om de taak te vervullen. Op academisch niveau is er nog veel werk aan de winkel om de verklaarbaarheid van AI te vergroten.”

 De juiste hoeveelheid begrip van AI creëren op het juiste niveau

“Het creëren van begrip is een andere niet-technische uitdaging waarmee we te maken hebben. Binnen de organisatie is er voor ons een voorname taak weggelegd om uit te leggen wat AI is en wat het niet is, wanneer het wel waarde toevoegt en wanneer het niet het juiste hulpmiddel is. Het zou goed zijn voor elk bedrijf in onze regio om een ​​globaal trainingsprogramma te hebben dat ervoor zorgt dat werknemers hun kennis van de technologie verbeteren in overeenstemming met hun functies/rollen.”

Droom groots maar begin beheersbaar

“Ervaren AI-mensen vinden is niet eenvoudig, ze zijn vrij schaars. We moeten niet verwachten dat we goeroes zullen vinden die jarenlange ervaring hebben. In plaats daarvan zouden we onze huidige engineers moeten trainen en aandacht hebben voor onderwijsprogramma's voor een nieuwe generatie.

Investeren in AI-kennis en vaardigheden van studenten afkomstig van universiteiten en scholen is belangrijk. We moeten tekorten op een fundamenteel niveau aanpakken en ervoor zorgen dat jonge professionals relevante dingen leren zodat ze voorbereid zijn op de toekomst.

Ten slotte is mijn advies om groots te dromen, maar beheersbaar te beginnen, door te focussen op de meest impactvolle use-cases. We hebben geen leger van AI-ingenieurs om aan alles te werken wat mogelijk is. De mogelijkheden zijn eindeloos.”