Hoe legt u de digitale basis voor betrouwbare Industrial AI
Vorig jaar investeerde Siemens 15 miljard dollar in Amerikaanse softwarebedrijven om er verder voor te zorgen dat klanten floreren in het volgende tijdperk van digitale en datagestuurde transformatie, en we hebben tientallen jaren besteed aan het leggen van de bijbehorende gegevensbasis.
Onze aanpak begint met systemen voor het beheer van de levenscyclus van producten die elk resultaat van ontwerprevisie, technische wijziging en validatie vastleggen en bewaren binnen de eigen omgeving van de klant. Die institutionele kennis blijft waar ze thuishoort: bij de fabrikant.
We combineren dat met op fysica gebaseerde simulatietechnologieën die AI-aanbevelingen valideren aan de hand van echte technische modellen in plaats van uitsluitend te vertrouwen op statistische resultaten. Wanneer AI-suggesties kunnen worden getoetst aan de wetten van de natuurkunde, krijgen fabrikanten er vertrouwen in dat ze op basis van de resultaten actie kunnen ondernemen.
Het derde onderdeel is automatisering. Met Siemens-technologie die ontwerp en productie met elkaar verbindt, stoppen gegevens niet bij de engineeringsfase. Het strekt zich uit tot de bedrijfsactiviteiten, waardoor in realtime inzicht wordt verkregen in hoe producten, lijnen en fabrieken presteren. Samen creëren deze mogelijkheden iets dat geen enkel op zichzelf staand AI-platform kan repliceren: gecontextualiseerde gegevens die gedurende de hele levenscyclus met elkaar verbonden zijn.
We noemen dit de digitale thread. Het verbindt de intentie van het ontwerp met de realiteit van de productie en bewaart de kennis van de organisatie naarmate producten en systemen evolueren. Het biedt AI de context die nodig is om zinvolle resultaten te genereren.
En dat onderscheid is belangrijk. Betrouwbare Industrial AI kan niet als bijzaak worden gebruikt. Fabrikanten kunnen hun domeininformatie niet uitbesteden en betere resultaten verwachten. Ze hebben een verbonden basis nodig die producten, processen en productie met elkaar verbindt, zodat Industrial AI in het hele bedrijf kan worden gebruikt in plaats van in geïsoleerde silo's.
De waarde van die aanpak wordt duidelijk als we kijken naar hoe bedrijven die in de praktijk brengen.
Hoe we moeten handelen op het gebied van herindustrialisatie
De Verenigde Staten hebben zich een ambitieus doel gesteld om hun economie te herindustrialiseren.
De Amerikaanse industrie heeft al enorme vooruitgang geboekt door automatisering, software en digital twin-technologie. Deze innovaties hebben fabrikanten geholpen productiever, veerkrachtiger en zich beter aan te passen.
Maar onze klanten gaan een nieuwe fase in. Ze proberen nieuwe capaciteit op te bouwen, bestaande activiteiten te moderniseren en wereldwijd concurrerend te blijven, terwijl ze te maken hebben met aanhoudende tekorten aan geschoolde arbeidskrachten.
Industrial AI bouwt voort op die sterke digitale basis en helpt klanten uit te breiden waar hun mensen toe in staat zijn. Het geeft ingenieurs, operators en technici nieuwe hulpmiddelen om productiever te worden, innovatie te versnellen en meer te bereiken.
De uitdaging is niet meer om AI uit te vinden. Het is de implementatie van AI op bedrijfsschaal. Tegenwoordig heeft slechts een klein percentage van de organisaties AI met succes geïntegreerd in hun activiteiten. Het dichten van die implementatiekloof is een van de belangrijkste industriële uitdagingen — en kansen — van het komende decennium.
Dat is waar Siemens zich op richt: onze klanten helpen om over te stappen van AI-ambitie naar AI-implementatie, en de belofte van AI vertalen in reële productiviteitsstijgingen in de Amerikaanse industrie.
Hoe PepsiCo digitale tweelingen en AI gebruikt om de productieprestaties te versnellen
Met een van onze klanten, PepsiCo, hebben we een repliceerbaar raamwerk gebouwd dat Digital Twin-technologie, Industrial AI en een verbonden IT/OT-architectuur combineert om te helpen bij schaalbare verbeteringen in productie-, opslag- en logistieke activiteiten.
De resultaten waren aanzienlijk. In een Amerikaanse fabriek in Gatorade realiseerde PepsiCo binnen slechts drie maanden een toename van 20 procent in de verwerkingscapaciteit. Het bedrijf schat ook een vermindering van de kapitaaluitgaven met 10 tot 15 procent door virtuele validatie te gebruiken om verborgen capaciteit aan het licht te brengen voordat fysieke investeringen worden gedaan.
De digital twin heeft geholpen om de tijdlijnen voor het ontwerp en de optimalisatie van faciliteiten te verkorten van maanden naar dagen. Door op fysica gebaseerde modellen te maken op basis van echte operationele gegevens van meerdere faciliteiten, kunnen teams basislijnen voor prestaties vaststellen, knelpunten identificeren, de materiaalstroom begrijpen en vaststellen waar en waarom energie wordt verbruikt.
Meer dan 90 procent van de productieproblemen kan worden geïdentificeerd voordat de productie begint.
Dit is de kracht van een digital-first aanpak die PepsiCo gebruikt. Ingenieurs optimaliseren de indeling voordat apparatuur wordt verplaatst. De materiaalstroom wordt gevalideerd voordat een transportband wordt aangeraakt. Energie-intensieve processen worden geïdentificeerd voordat ze operationele uitdagingen opleveren. Beslissingen worden bepaald door gegevens in plaats van veronderstellingen.
Wanneer productinnovatie, procesontwikkeling en productie-uitvoering met elkaar verbonden zijn, krijgen organisaties de snelheid en het vertrouwen die nodig zijn om de bestaande infrastructuur te moderniseren. Dat is precies hoe fabrikanten de race tegen de klok winnen.
Herindustrialisatie gaat zeker over het verbeteren van bestaande activiteiten, maar een ander belangrijk onderdeel is de ontwikkeling van geheel nieuwe productiemodellen.
Hoe Haddy de toekomst van gedistribueerde productie demonstreert
Een ander voorbeeld van een bedrijf dat gebruikmaakt van het geïntegreerde software-, hardware- en automatiseringsportfolio van Siemens is Haddy, een door AI aangedreven 3D-robotprintbedrijf, dat de toekomst van onze manier van produceren fundamenteel verandert.
Het MicroFactory-model van Haddy toont die realiteit aan, door industriële productiecapaciteit te combineren met zeer efficiënte economie om alles te produceren, van de inrichting van pretparken tot boten voor de marine. Dit bedrijf, een recente winnaar van een Siemens Techcellence-prijs, overbrugt commerciële en defensievereisten en helpt bedrijfsinnovatie te koppelen aan nationale industriële paraatheid.
Wat het model dat Haddy gebruikt aantrekkelijk maakt, is hoe AI de productieprestaties voortdurend verbetert door middel van een gesloten feedbackloop:
Stap 1 — Het deel gaat over: Een camera detecteert een kleine inkeping in het oppervlak die voor een mens bijna onmogelijk is op te merken.
Stap 2 — Het systeem luistert: Vier minuten voordat het defect optrad, herkent het systeem een drukpiek. AI verbindt deze signalen en identificeert een verband.
Stap 3—Het traceert de hoofdoorzaak: Uit de analyse blijkt dat er stroomopwaarts tijdens het droogproces een materiaaldegradatie heeft plaatsgevonden voordat het afdrukken begon.
Stap 4 — Het lost zichzelf op: De temperatuur van de droger wordt automatisch aangepast. De productie wordt zonder onderbreking voortgezet.
Stap 5 — Het verifieert: De volgende tien lagen worden succesvol afgedrukt. Het probleem wordt geregistreerd en geregistreerd als opgelost.
Stap 6—Elke machine wordt slimmer: De oplossing wordt wereldwijd gedeeld met elke Haddy-printer, aan het maken permanent en herhaalbaar.
Deze lus is niet alleen mogelijk door automatisering. Het is een gecombineerde hardware-, software- en automatiseringsstack die institutioneel leren op industriële schaal mogelijk maakt.
Herindustrialisatie vereist een verbinding tussen innovatie en productie.
Het goede nieuws over de inspanningen om in alle Amerikaanse industrieën te herindustrialiseren is dat fabrikanten de techniek niet opnieuw hoeven uit te vinden om baanbrekende resultaten te bereiken. Door beproefde technische kaders te combineren met simulatie en Industrial AI worden buitengewone efficiëntiewinsten mogelijk.
De organisaties die de komende tien jaar op het gebied van productie leiden, zullen degenen zijn die de sterkste basis hebben gelegd voor industriële AI. Het zullen de bedrijven zijn die hun domeinexpertise hebben behouden, ontwerp en productie met elkaar hebben verbonden, en ervoor hebben gezorgd dat elke AI-gestuurde beslissing kon worden gevalideerd op basis van de natuurkunde. Probabilistische AI-aanbevelingen omzetten in deterministische resultaten.
Dat is de les die we leren bij bedrijven zoals PepsiCo, Haddy en vele anderen die zich hebben gerealiseerd dat dit niet alleen een concurrentievoordeel is, maar ook de weg naar een snellere productie in de VS.
Amerikaanse steden en bedrijven die zich al inzetten voor herindustrialisatie, hebben niet op een signaal gewacht om te beginnen met de wederopbouw van hun toekomst. De Amerikaanse industrie kan het zich ook niet veroorloven om te wachten.
Leg de basis, bezit de informatie en werk samen met organisaties die begrijpen hoe ze innovatie kunnen koppelen aan productie en samen kunnen we het volgende tijdperk van Amerikaanse herindustrialisatie versnellen.
Gepubliceerd: 17 augustus 2026
