Innovation

Deel via:

Van marketingafdeling tot coatings sector: machine learning biedt overal meerwaarde

van-marketingafdeling-tot-coating-sector-machine-learning-biedt-overal-meerwaarde.jpgMachine learning is al lang geen science fiction meer. En het is de smartphone- of gametoepassingen ook al ontgroeid. Vandaag de dag wordt machine learning op veel meer gebieden ingezet: zoals bij consumentenmarketing om te komen tot een ‘persoonlijk’ productadvies, maar ook op het gebied van planning en optimalisatie zoals bijvoorbeeld in je navigatiesysteem. Hoog tijd dus om een paar aansprekende voorbeelden te presenteren.

Wat is machine learning eigenlijk?

De term ‘machine learning’ zal inmiddels bij velen zijn ingeburgerd. Maar wat het precies inhoudt, dat is waarschijnlijk een tweede. Machine learning is een vorm van kunstmatige intelligentie, of AI, die in staat is om op basis van bekende resultaten zelf nieuwe formules af te leiden. Met deze formules kunnen vervolgens weer nieuwe, onbekende resultaten berekend worden. Machine learning opereert dus na de initiële opzet onafhankelijk van een ontwikkelaar.

Machine learning heeft een revolutionaire impact op business intelligence omdat het complexe regels kan toepassen op complexe problemen. Hiermee gaat het veel verder dan automatiseren. Bovendien leert een machine learning applicatie zichzelf nieuwe dingen. Daarmee pas je dus automatisch een ‘continuous improvement’ strategie toe, want uiteindelijk wordt je algoritme steeds verder geoptimaliseerd omdat het leert van de uitkomsten van je eerdere voorspellingen.

Brand impact met bovenmenselijke precisie meten

Voor big brands is het nog altijd heel interessant om een internationaal – of liefst wereldwijd – sportevenement te sponsoren. Deze evenementen komen tenslotte de woonkamers van soms wel honderden miljoenen kijkers binnen. Een fantastische kans dus, maar de daadwerkelijke impact of ROI van dit soort sponsoring is vaak moeilijk te meten. Bovendien volgt de analyse pas weken na de uitzending.

Machine learning toepassingen zijn in staat om heel accuraat te meten hoe lang en hoe vaak logo’s in beeld zijn geweest. Met de juiste formule kan de ROI dan berekend worden en de resultaten zijn vrijwel direct in te zien. Met de zelflerende mogelijkheden van machine learning, wordt het steeds eenvoudiger om ook vervormde of gedeeltelijke logo’s te herkennen. En dus worden de analyses betrouwbaarder en waardevoller.

SAP-Brand-impact.png

Machine learning roest niet

Chemie- en coatingsgigant AkzoNobel ontwikkelt – onder andere – coatings om stalen constructies te beschermen tegen corrosie. Maar corrosie treedt niet overal even snel op. Het corrosieniveau is afhankelijk van verschillende stoffen in de atmosfeer, waaronder waterstof en sulfaat. Er zijn vijf corrosieniveaus: van zeer laag (C1) tot zeer hoog (C5) en elk niveau vraagt om een andere bescherming. Om klanten beter te kunnen adviseren over de beste coating voor de juiste omstandigheden, liet AkzoNobel een machine learning applicatie ontwikkelen in de Run Live Truck.

Op basis van bekende input – de risicofactoren die corrosie veroorzaken en de gegevens van de 18 testlocaties die AkzoNobel gebruikt om corrosieniveaus te meten – is een machine learning formule gegenereerd. Met deze formule kan het corrosieniveau van andere locaties worden berekend en ontstaan er dus nieuwe inzichten.

Zo maakt de applicatie gebruik van de openbare data van het Amerikaanse National Atmospheric Deposition Program (NADP) dat op meer dan 360 locaties de atmosferische samenstelling meet. Dankzij de machine learning formule is aan al deze locaties nu ook een corrosieniveau gekoppeld.

Hoewel deze resultaten al indrukwekkend en nuttig zijn, heeft AkzoNobel bewust gekozen voor een machine learning toepassing om ervoor te zorgen dat de metingen in de toekomst steeds nauwkeuriger worden. Dit kan door het toevoegen van additionele input-variabelen op het corrosieniveau. Zo wordt de applicatie, en dus ook de output, steeds verrijkt met nieuwe databronnen en is AkzoNobel steeds beter in staat op advies op maat te geven.

Machine learning in de toekomst

Want wat ooit begonnen is op universiteiten en in de laboratoria van hardware leveranciers, dringt nu langzaam door in onze huiskamers, op het internet en uw smartphone. En daar houdt het niet op! In de gezondheidszorg wordt al gebruik gemaakt van het herkennen van DNA-sequenties en CT-scans om ziektes eerder te kunnen herkennen en de behandeling nog beter te kunnen laten aansluiten. En wat te denken van de zelfrijdende auto, ook een ontwikkeling die niet lijkt te stoppen.

Kortom, het is niet de vraag of het komt maar in welke vorm en in welk tempo. De mogelijke toepassingen van machine learning zijn eindeloos. Ik ben heel benieuwd wat ons in de toekomst nog te wachten staat wanneer machine learning als gevolg van steeds krachtigere IT-oplossingen meer en meer mainstream wordt.

 


 

Reageren op dit blog?