Leuk die smart services, maar pas op!

Onlangs was ik bij een presentatie over een marktleider in computertechnologie. Daar werd de ontwikkeling van het bedrijf weergegeven, geschetst tegen de achtergrond van disruptieve technologieën. Denk aan internet of things (IoT), smart industry en kunstmatige intelligentie.

De vraag dringt zich op hoe we hier mee om moeten gaan. Hoe kan een bedrijf meesurfen op de golf van verandering in plaats van er door overspoeld te worden? Het antwoord ligt in slimme (logistieke) diensten.

Verschillende bronnen geven aan dat tegen 2025 wereldwijd de omzet op basis van kunstmatige intelligentie voor 30% uit hardware en 15 % uit software zal komen, voornamelijk omdat veel zaken via open source modellen beschikbaar komen. Het grootste deel van de omzet, 50-60%  (60 tot 70 miljard dollar) zal voortkomen uit, jawel, dienstverlening. Daar hoort logistieke dienstverlening natuurlijk bij. Wat maakt die dienstverlening mogelijk en waar zitten complicaties?

Systemen gaan meer samenwerken 

Systemen zoals vliegtuigen, schepen en treinen worden steeds complexer. Denk alleen al aan de enorme toename van het aantal sensoren van verschillende subsystemen en leveranciers in deze systemen. Zonder een gestandaardiseerde aanpak is met de brei aan data die deze sensoren leveren niets aan te vangen. Subsystemen dienen dus aan te haken op een sensorplatform. Platforms zijn steeds vaker gestandaardiseerd, dus de interoperabiliteit van subsystemen zal sterk gaan toenemen. Daardoor worden nieuwe dienstverleningsvormen mogelijk. Denk bijvoorbeeld aan het volgen van een auto gedurende de gehele levenscyclus, tot het moment van ontmanteling en recycling. En als bonus kan de berijder in een app zien waar de auto geparkeerd staat 😉

Goedkoper en beter

Sensoren worden steeds kleiner en goedkoper. Daardoor zijn sensoren in meer onderdelen aanwezig. Al die sensoren generen data. Gevolg: veel meer componenten creëren op meer plaatsen in de supply chain gegevens. Gegevens waarover we vroeger niet beschikten. Grote hoeveelheden gegevens konden we enkele jaren geleden ook minder makkelijk verwerken.

Nieuwe database- en IoT benaderingen zoals massively parallel processing en edge computing (waarbij veel sensordata dichter bij de bron wordt verwerkt) en LPWA (Low Power Wide Area) doen hun intrede. Dat betekent dat data sneller gefilterd en verrijkt kan worden tot zinvolle informatie voor een besturingssysteem. Voor logistieke systemen betekent dat dat er veel meer tussenstappen inzichtelijk worden, waardoor we sneller kunnen ingrijpen bij storingen of vergissingen.

Gebruik van deze technologieën leidt nu al tot een verlaging van waste en verhoging van productiviteit. Een mooi voorbeeld vind ik  een sensor die de elektrische geleiding meet door een mal in een productiemachine. Als de mal slechter wordt, dan produceert de machine geen goede producten meer (waste) en kan het op termijn de machine zelfs beschadigen. Een zelflerende rekeneenheid verwerkt de sensordata en “ziet” of de mal nog geschikt is voor productie. Degradatie van de mal is direct duidelijk en de machine of zelfs de hele productielijn zal op tijd stoppen.

Kortom: ik schets een mooie toekomst, maar niet alles is rozengeur en maneschijn. De enorme toename aan mogelijkheden brengen ook risico’s met zich mee.

Wie mag welke data zien? 

Als systemen zo makkelijk met elkaar kunnen samenwerken en we over zoveel nieuwe soorten gegevens kunnen beschikken, moeten we ook nadenken over de gevolgen van het delen en beveiligen van die gegevens. Het combineren en ontsluiten van gegevens heeft soms onverwachte bijwerkingen. Ik denk daarbij aan een geval uit 2011 toen TomTom informatie deelde aan de politie over de beste plaatsen om snelheidscontroles uit te voeren. Dat werd door het klantenbestand van TomTom niet gewaardeerd. Een ander sprekend voorbeeld is het geval dat Strava sinds kort geaggregeerde informatie belangeloos met de wereld deelt, maar daarmee onverhoopt mogelijk militaire missielocaties in afgelegen gebieden verklapt.

Computer says no… maar waarom?

Een tweede complicerende factor is dat we straks over zeer geavanceerde en intelligente systemen beschikken. Ik doel daarmee op de zeer belangrijke ontwikkeling van machine learning, deep learning en kunstmatige intelligentie (artifical intelligence – AI).  Het risico bestaat dat we straks op geen enkele wijze meer kunnen achterhalen op basis waarvan beslissingen genomen zijn, laat staan dat er nog zinvol menselijk ingrijpen mogelijk is. Hierover schreef mijn gewaardeerde collega Bas Timmermans eerder al eens een blog. Het is dus de vraag of AI een vloek of een zegen is. De meningen hierover zijn zeer verdeeld.

De toekomst

Bij Gordian volgen we deze ontwikkelingen op het gebied van smart services op de voet. Nee, we ontwikkelen geen quantum computer (hoewel een hobby nooit kwaad kan), maar we maken onze spare parts management software wel steeds slimmer. Ik ben razend benieuwd waar zelflerende mechanismen voor proactive en predictive maintenance – waarbij we grote hoeveelheden logistieke gegevens verwerken – ons gaan brengen. Wat mij betreft staat ons allen een spannende tijd te wachten! Of denk jij dat het allemaal wel mee zal vallen…?

Meer weten?

Jürgen Donders
Partner