De implementatie van kunstmatige intelligentie

Progmatic ziet in AI mogelijkheden om opdrachtgevers bij hun werkzaamheden in de industriële automatisering te ondersteunen. AI kan operators bijvoorbeeld helpen bij het nemen van beslissingen, hetgeen de efficiëntie kan verbeteren, productie en kwaliteit verhogen, kennis van ervaren medewerkers te borgen en afhankelijkheden verlagen in een tijd waar personeel lastig te krijgen is. Bij dergelijke AI-projecten gebruiken wij de Crisp-DM Cyclus als procesmodel.

Wat is de Crisp-DM Cyclus?

De Cross-Industry Standard Process for Data Mining (of Crisp-DM) cyclus is een model dat ontwikkeld is in 1996. Het wordt vandaag de dag nog vaak gebruikt bij het uitvoeren van projecten op het gebied van data science en machine learning. Door deze methode als leidraad te gebruiken, maken wij onze complexe projecten overzichtelijker.

De cyclus bestaat uit zes fasen:

1. Business understanding: Eerst moeten we het doel van het AI-project begrijpen. Welke problemen willen we ermee oplossen voor de opdrachtgever?
2. Data understanding: In deze fase verzamelen we data. Vervolgens wordt beoordeeld of deze data bruikbaar is voor het project.
3. Data preparation: Hier wordt de bruikbare data voorbereid om die te gebruiken bij het trainen van een AI-model. Dit houdt in dat bijvoorbeeld ontbrekende gegevens ingevuld worden of datasets samengevoegd worden.
4. Modeling: Vervolgens proberen we verschillende technieken uit om modellen te creëren die bijdragen aan de beoogde doelstelling(en).
5. Evaluation: Als het beste model geselecteerd is, wordt beoordeeld of het aan de vereisten voldoet die (door de opdrachtgever) zijn gesteld tijdens de eerste fase.
6. Deployment: Tijdens de laatste fase wordt het model in gebruik gesteld, bijvoorbeeld om operators te ondersteunen bij het nemen van snellere en slimmere beslissingen en hiermee de kennis van ervaren operators te borgen, productie en kwaliteit te verhogen en afhankelijkheden te verminderen.

Het gebruik van de Crisp-DM Cyclus bij AI-projecten

Een AI-project vereist een gestructureerde aanpak. De Crisp-DM Cyclus is hiervoor zeer geschikt, omdat het ten eerste een helder beginpunt biedt. Hierdoor zijn het doel en de zakelijke vereisten van tevoren duidelijk, waardoor we vanaf het begin de juiste methode kunnen hanteren voor het AI-project. Hiernaast is AI natuurlijk grotendeels afhankelijk van kwalitatieve data. Fase 2 en 3 bieden een structuur om die te vergaren en toe te passen. Ook is dit model de juiste aanpak voor AI-projecten omdat het een cyclus is. Gedurende het project wordt namelijk geschakeld tussen verschillende fases. Zo ontstaat er steeds verbetering, wat resulteert in het best mogelijke model voor onze opdrachtgever.