Onder invloed van generatieve AI evolueert PLM geleidelijk van een statisch referentiekader naar een actieve motor voor ontwerpondersteuning

In de luchtvaart vindt de transformatie stapsgewijs plaats: de automatisering van eenvoudige taken levert nu al de eerste voordelen op, terwijl de overgang naar agentgebaseerde systemen wordt voorbereid voor huidige en toekomstige vliegtuigprogramma’s.

De luchtvaartindustrie bundelt in haar PLM (Product Lifecycle Management) een uniek technisch erfgoed: decennia aan configuraties, kwaliteitsfeedback en technische beslissingen. De opkomst van kunstmatige intelligentie, en met name generatieve AI, belooft de sluimerende waarde hiervan te ontsluiten. De sector zet deze stap echter niet in hetzelfde tempo als andere sectoren: de systemen zijn kritiek, de cycli zijn lang en de foutmarges zijn klein.

Damien Constantin, Head of PLM Activities bij Sopra Steria en Mathieu Mollin, Director of Technology and Innovation for the Aeroline Vertical bij Sopra Steria zien een ontwikkeling in twee snelheden: automatisering die al een feit is en een diepgaandere transformatie, aangedreven door agentieke AI.

Automatisering is al in volle gang

Het meest voorkomende gebruik van AI in PLM betreft momenteel de automatisering van eenvoudige taken met een lage toegevoegde waarde. „Dit maakt het mogelijk om tijd vrij te maken voor ingenieurs in het ontwerpbureau voor activiteiten met een hogere toegevoegde waarde, zonder de werkwijzen al ingrijpend te veranderen”, verduidelijkt Mathieu Mollin.

Damien Constantin deelt deze constatering: AI versnelt het doorzoeken van gegevens, vergemakkelijkt impactanalyses en stroomlijnt het werk van ontwerpers. Leveranciers van PLM-oplossingen integreren deze functionaliteiten nu standaard in hun oplossingen, die direct toegankelijk zijn zodra ze bij de klant worden geïmplementeerd.

Geavanceerde algoritmen spelen ook een steeds belangrijkere rol. Mathieu Mollin noemt het voorbeeld van „tubing & wiring“, oftewel de aanleg van kabels en circuits in een vliegtuigcel. Aangezien elk vliegtuig anders is (cabine-indelingen, schermen, apparatuur…), verschilt het elektrische schema van vliegtuig tot vliegtuig.

Productiviteitswinst nog beperkt

„Tussen twee punten is de rechte lijn zelden haalbaar. Er moet rekening worden gehouden met brandrisico’s, stroomsterktes en elektromagnetische storingen. Er zijn talrijke vakspecifieke parameters“, herinnert hij zich. De automatisering van dit soort taken, die lange tijd beperkt bleef tot deterministische algoritmen, wordt steeds beter in staat om vakspecifieke beperkingen te integreren.

De twee professionals zijn het over één punt eens: de huidige productiviteitswinst blijft beperkt. „Deze tools besparen tijd bij taken die niet het grootste deel van de tijd van de ingenieurs in beslag nemen“, vat Damien Constantin samen. „Het echte productiviteitspotentieel ligt dus elders.“ Maar waar?

Vandaag de overgang naar agentgebaseerde systemen voorbereiden… voor morgen

Naast automatisering tekent zich een tweede golf af met agentgebaseerde AI. Ditmaal gaat het om de coördinatie van complete sequenties, die in staat zijn om aanroepen naar verschillende systemen (ook niet-AI-systemen) aan elkaar te koppelen en end-to-end engineeringcycli te verzorgen.

Mathieu Mollin verwijst naar de toekomst vangeneratieve ontwerpondersteuning, gebaseerd op de regels en methoden van onze klanten: „We gaan een AI morgen nog niet vragen om een heel vliegtuig te ontwerpen. Maar we kunnen haar wel vragen om ons te helpen bij het nemen van beslissingen wanneer er systeemoverschrijdende ontwerpconflicten ontstaan, of deze zelfs van tevoren te voorspellen om ze te vermijden. ”

Damien Constantin vult aan: „We werken nu al aan deze anticipatie, waarbij we ook rekening houden met de behoeften van de productie en de klantenservice.”

Het is geenszins een op zichzelf staand project; agentiek ontwikkelt zich tot een transversale hefboom die geleidelijk elk onderdeel van het systeem doordringt. Toekomstige vliegtuigprogramma’s die vandaag worden ontworpen, zullen vanaf het begin met deze geïntegreerde architecturen worden ontwikkeld.

Modulariteit, toegang tot gegevens, delen, vermogen tot agentische coördinatie: deze eigenschappen worden bepaald bij het ontwerp van toekomstige PLM-systemen. „De architecturale keuzes die we nu maken, bepalen het industriële innovatievermogen van de komende tien jaar. ”

AI industrialiseren veronderstelt dat we de zeggenschap erover behouden

Een innovatievermogen dat afhankelijk zal zijn van onze technische capaciteiten op het gebied van kunstmatige intelligentie. De analogie komt regelmatig terug in de toespraken van Mathieu Mollin: AI is de nieuwe elektriciteit, volgens de door Andrew Ng gepopulariseerde uitspraak. „En net als elektriciteit aan het begin van de 20e eeuw zal de technologie haar potentieel pas ten volle benutten als de productiemodellen grondig worden herzien. Het vervangen van een grote kolenmachine door een grote elektrische machine heeft de industrie nauwelijks veranderd; het op grote schaal inzetten van kleine elektromotoren heeft haar daarentegen ingrijpend hervormd.”

Deze parallel geldt ook voor agentieke AI: de integratie ervan vereist een heroverweging van de processen en het voorbereiden van de teams op nieuwe manieren van werken. Opleiding, verandermanagement, herdefiniëring van werkwijzen: menselijke begeleiding blijft onlosmakelijk verbonden met de technologische implementatie.

In deze transformatie wordt soevereiniteit een belangrijk aandachtspunt zodra AI op industriële schaal wordt ingezet. Beide professionals benadrukken dit punt. Soevereiniteit, die tot uiting komt in de toegang tot de basismodellen, vormt slechts één dimensie hiervan. De tweede dimensie, die voor industriële bedrijven nog structurerender is, betreft het intellectuele eigendom van de agents die de bedrijfsprocessen uitvoeren.

Soevereiniteit… dat is vooruitdenken!

„Wanneer een agent taken op zich neemt die de kern van het vakgebied vormen, moet het bedrijf daar de controle over behouden: begrijpen hoe hij werkt, weten hoe hij zich ontwikkelt, de continuïteit van zijn werking garanderen”, stelt Mathieu Mollin. De controle over dit intellectuele eigendom wordt een strategisch activum, net als octrooien of technische gegevens.

Damien Constantin bouwt hierop voort: „Zodra we de eerste productiviteitswinsten achter ons laten en op weg zijn naar een herontwerp van de engineeringprocessen, worden de architectuur voor gegevenstoegang en de structurering ervan doorslaggevend.Soevereiniteit wordt dus nu al opgebouwd, door de keuzes op het gebied van architectuur en governance die worden gemaakt voor toekomstige PLM-systemen. Door op deze keuzes te anticiperen, wordt gegarandeerd dat industriële bedrijven hun activiteiten kunnen blijven uitoefenen, ongeacht de ontwikkelingen op de markt van softwareontwikkelaars.”

Op weg naar een orkestratie van gespecialiseerde agents

Mathieu Mollin verwacht voor de komende drie jaar een explosieve groei van hyperspecialiseerde tools.

Aangezien AI de productiekosten van softwareoplossingen verlaagt, zullen bedrijven zich kunnen uitrusten met een groeiend aantal agents die zijn toegespitst op specifieke gebruiksscenario’s. Het beheer van een dergelijk applicatiepark wordt een centrale uitdaging, waarbij Sopra Steria haar klanten nu al ondersteunt: industrialisatie van de levenscyclus van de agents, beheer van legacy-systemen, herdefiniëring van de grens tussen bedrijfsactiviteiten en informatiesystemen.

„We coördineren nu al de werking van deze agents, door inspanningen te bundelen en acties te prioriteren op basis van het verwachte rendement op de investering”, vat Damien Constantin samen. De dubbele expertise – enerzijds een grondige kennis van de bedrijfsprocessen, anderzijds van de gegevens en hun ontologie – vormt de basis van deze positionering, die verankerd is in de realiteit van de klanten.