Steeds meer machinebouwers passen Machine Learning technologie toe. Een algoritme analyseert grote hoeveelheden data herkent patronen en verwerkt deze in een model. Met dit model worden processen in machines geoptimaliseerd. Voorbeelden hiervan zijn predictive maintenance, het verbeteren van machine prestaties en het sneller detecteren van eventuele fouten. Het uiteindelijk doel is het optimaliseren van processen om kosten te verlagen, stilstand te verminderen of een hogere productiviteit te realiseren.
Iedere nieuwe machine beschikt over elektronica en is digitaal aan te sturen. Deze elektronica zorgt er ook voor dat er steeds meer data beschikbaar is. Data die bijvoorbeeld wordt verzameld uit sensoren of beeldinformatie. Met machine learning software zoeken algoritmes naar relaties die anders nooit gevonden zouden kunnen worden. Er zijn verschillende soorten machine learning algoritmes en modellen, modellen waarbij de beslissingen te herleiden zijn maar ook modellen die zich continu aanpassen. Het model kan in een machine zelf (on the edge) of in de cloud uitgevoerd worden. Op welke manier machine learning het best toegepast kan worden hangt af van de applicatie en het uiteindelijk doel.
Inventeers heeft de afgelopen jaren veel opdrachtgeven geholpen met het succesvol toepassen van machine learning bij zowel bestaande als nieuwe machines. Resultaten waren onder andere snellere en betere sorteerprocessen, goedkoper onderhoud en minder stilstand van de productielijn. Om machine learning succesvol toe te passen kijken we naar zowel de hardware als de software. Er zijn veel verschillende mogelijkheden. Een opvallende oplossing was het vervangen van een handgeschreven model door een Machine Learning model op een bestaande chip waardoor de prestaties beter werden zonder de hardware aan te passen.
