Interview
Zelflerende technologie voor mechatronica
21 september 2007
Geconfronteerd met de groeiende complexiteit van machines startte Bert Paquet anderhalf jaar geleden Optimalaction. Dit bedrijf levert speciaal voor de mechatronicamarkt tooling voor besturingsfuncties. Een complexe statische module leert het gedrag en dat levert een eenvoudige datamatrix op voor besturing. ‘Neurale netwerken werken, maar geven ingenieurs een heel oncomfortabel gevoel. Ze begrijpen het niet. De technologie die Optimalaction gebruikt laat ook zien wat er is geleerd en hoe het werkt’, aldus Paquet.
Als Bert Paquet de journalist van het station in Brugge haalt, is hij net gearriveerd uit de Verenigde Staten. De electrical/electronics competence centre manager harvesters bij CNH in Zedelgem heeft daar de nieuwe dieselemissie-eisen voor 2012 besproken met toeleveranciers en collega’s. Ook landbouwmachines moeten daaraan geloven. ‘De enige manier om de strengere eisen voor roetdeeltjes en stikstofoxide te halen is met elektronica’, zegt Bert Paquet, die bij CNH leiding geeft aan een afdeling met ruim veertig elektronici en softwarespecialisten. ‘Motoren zitten er al vol mee en het wordt almaar meer.’
Voor iemand die de nacht heeft overgeslagen – het lukt Paquet nooit om te slapen op een retourvlucht uit de VS – is hij opvallend fit. We hebben afgesproken om te praten over zelflerende machines, apparatuur die uit ervaring zijn besturing en controle aanpast. De materie fascineert hem en enkele jaren geleden kreeg hij de kans om samen met Amerikaanse partners een bedrijf op dit gebied te starten onder de naam Optimalaction. Het is voor de ingenieur bovendien een ambitie om te gaan ondernemen. Paquet kreeg het groene licht om er naast zijn job bij CNH aan te werken.
Bert Paquet (45) werd in 1983 industrieel ingenieur elektromechanica op de Katholieke Hogeschool KIHO Gent, met specialisatie automatisering. Daarna toog hij tijdens zijn legerdienst naar de Vrije Universiteit Bussel waar hij Licentiaat Informatica studeerde. De jonge ingenieur solliciteerde vervolgens bij Sperry New Holland in Zedelgem. ‘Het was en is nog steeds in Vlaanderen een van de weinige bedrijven met sterke productontwikkelingsactiviteiten. Het gaat om complexe machines en het bedrijf heeft een internationale uitstraling’, aldus Paquet. Hij werkt er nog steeds, al is de naam van de specialist in landbouwmachines intussen veranderd in Case New Holland (CNH) en maakt het bedrijf onderdeel uit van de Italiaanse Fiat Groep. Toen hij enkele jaren in dienst was bij CNH, startte Paquet met vier collega’s de afdeling elektronica. Intussen is hij verantwoordelijk voor de elektronica van oogstmachines zoals voor graan, maïs, suikerriet en druiven.
‘Begin jaren tachtig besteedden we de software nog uit’, zegt Paquet, ‘Maar gedurende de laatste vijf tot tien jaar nemen we steeds meer softwareontwerpers aan omdat software een essentieel onderdeel is van de machines. We beschouwen het intussen als core.’
Paquet is ingenieur in hart en nieren. Tijdens zijn loopbaan bij CNH behaalde hij ook nog het diploma Master of Science van de studie Elektromagnetisme en Radiocommunicatie aan de Britse universiteit van York. ‘Draadloze technologie kwam eraan’, verklaart hij. ‘Ik voelde een leemte op dat gebied, dus heb ik nog die studie gevolgd.’ Terwijl we door Brugge wandelen vertelt hij trots dat twee zoons interesse hebben in het ingenieursvak. Zijn oudste zoon van achttien koos er helaas niet voor. ‘Maar als hij zijn ambitie waar maakt om chirurg te worden, dan is dat toch ook al heel wat’, voegt hij er lachend aan toe.
Onbemande machines
Als Paquet bij CNH aan boord stapt is de elektronicawereld nog eenvoudig. ‘De ontwikkeling zat ’m vooral in essentiële sensoren om basisparameters te bemonsteren. CNH introduceert als eerste in zijn markt Can-gebaseerde netwerken van sensoren. Omdat de Bosch Can-standaarden nog niet waren uitgekristalliseerd, maakten we met Philips afspraken over de fysische laag in die netwerken. Die was toen optisch. Er waren immers nog geen chips voorhanden om Can over koperdraad aan te sturen.’
Inmiddels nemen de eisen voor machines in de zoektocht naar toegevoegde waarde met sneltreinvaart toe. ‘Het is een sector waar robotisering steeds realistischere trekken krijgt. We hebben nog geen onbemande machines, maar daar groeien we wel langzaam naartoe.’
Vroeger was het de boer die alle beslissingen nam. Schiet die goede man wat op met een slimmere machine? ‘Het is extreem veel beter’, antwoordt Paquet pertinent. ‘Door parameters bij te regelen gaat de efficiëntie met sprongen omhoog. Tot naar het dubbele van de opbrengst. Meestal is het doel om de oogst binnen te halen zonder al te veel verlies. Dat kan een machine doen bij enkele kilometers per uur, maar op sommige stukken kan het wellicht ook veel sneller. Dat betekent dat je zo’n machine veel efficiënter kunt inzetten.’
Olie en ethanol
De landbouwmachinesector heeft de wind mee. De hoge energieprijzen maken de winning van olie en ethanol uit landbouwproducten aantrekkelijk en dat zorgt voor een hogere vraag naar oogstmachines. ‘Het wereldwijde areaal suikerriet is in een jaar verzevenvoudigd, vanwege de vraag naar ethanol’, geeft Paquet als voorbeeld. ‘Dat betekende dat de vraag naar oogstmachines voor suikerriet in het afgelopen zeven jaar ook zeven maal hoger werd. Er ontstaat concurrentie tussen landbouwgrond voor energie en voor voeding. Energie uit landbouwproducten kan stilaan de concurrentie met olie aan.’
Door de hogere eisen neemt de complexiteit in landbouwmachines toe. Paquet spreekt van ‘fabrieken op wielen’ als hij het over oogstmachines heeft. ‘Er zijn heel wat processen die je kunt sturen om de machine optimaal te laten werken. Condities, stand van het maaibord, stuurwielen automatisch sturen, enzovoort. Om zuiver graan te oogsten moet u meerdere uitgangen optimaal instellen, op basis van vele sensoren. Het gaat om zaken als afstand, snelheid, druk, vocht, graanzuiverheid en tijd.’
Ook de instellingen en acties van de bestuurder hebben invloed op het oogstproces. Net als gps-informatie en de automatische piloot. ‘De condities op het veld zijn zeer variabel met veel storingsinvloeden en zelfs de weersvoorspelling is van invloed. Als er een stabiele zonnige periode in zicht is, kan de boer gerust langzaam rijden en meer aandacht besteden aan kwaliteit en opbrengst. Is er echter een storm op komst die een groot deel van de oogst dreigt te vernietigen, dan wil hij snel veel binnenhalen. Het gaat om het economische optimum.’
Het traditionele regelen gaat vooral met PID’s, proportioneel integrerende en differentiërende regelaars. Dit zijn klassieke regelaars die de afwijking meten en vervolgens bijsturen om het gat te dichten. Voor lineair gedrag werkt dat prima. Maar met de toenemende complexiteit van systemen rijst ook de complexiteit van regelaars de pan uit. De afgelopen decennia verschenen ook ander oplossingen als adaptieve niet-lineaire regelaars en regelaars op basis van fuzzy logic. Paquet: ‘Het grootste nadeel bij deze technieken is dat er veel modelering bij komt kijken. Je moet een goede voorstelling hebben van je systeem om er een regelaar voor te kunnen ontwerpen.’
Alles gaat goed tot het model te complex is. ‘Systemen met meerdere ingangen en meerdere uitgangen zijn moeilijk te vatten in wiskundige modellen. Ze zijn interessant om inzicht te verwerven, maar goede modellen opstellen zorgt steeds vaker voor praktische problemen en duurt lang. Er zijn onvoldoende ingenieurs, ze zijn duur en complexiteit heeft als nadeel dat het exponentieel van karakter is. De variabiliteit van systemen met meerder in- en uitgangen is soms onmogelijk te vatten.’
Bert Paquet, CEO van Optimalaction: ‘Het leergedrag van onze zelflerende technologie is zodanig goed dat het gevaarlijk is.’
Machine-intelligentie
Hoe krijg je grip op een wereld die onmogelijk te modelleren valt? Een van de manieren is kijken naar menselijk gedrag en hoe bijvoorbeeld kinderen hun coördinatie aanleren. Paquet herinnert zich dat Luc Steels, hoogleraar artificiële intelligentie op de VUB, er tijdens zijn studietijd al aan werkte. ‘De kunst is een abstractieniveau te vinden om de complexiteit te kunnen vatten. Een ervan volgt uit de statistische aanpak die mensen ook gebruiken. Kinderen bouwen geen model. Ze doen ook geen analytische berekeningen terwijl ze bewegen. Ze leren uit ervaring. Ze lopen tegen de deur en krijgen directe feedback: de pijn die erbij hoort.’
Daarmee komen we in de wereld van de patroonherkenning, machine-intelligentie, statistiek en neurale netwerken. Paquet raakte erin geïnteresseerd, omdat hij zich realiseerde dat de besturingswereld op den duur zou vastlopen op de exponentieel oplopende ontwikkeltijden. Zo begon een zoektocht naar andere strategieën.
Zo kwam hij op seminaries en symposia in contact met mensen van het Amerikaanse bedrijf GBI Structures. Deze onderneming met vestigingen in Utah en Californië werkt aan zelflerende technologie. Paquet: ‘Hun methode lijkt op neurale-netwerktechnologie. Neurale netwerken hebben echter het nadeel dat je er geen model uit kunt extraheren. Het blijft een zwarte doos, waarin je geen inzicht krijgt. Dat geeft ingenieurs een heel oncomfortabel gevoel. Ze kunnen het niet begrijpen. De technologie die Optimalaction gebruikt past niet alleen statistiek toe, maar laat ook zien wat er is geleerd en hoe het werkt. Bijvoorbeeld welke sensoren belangrijke bijdragen leveren en welke niet, het laat verbanden zien. Die modelvorming geeft mensen vertrouwen. De gebruikte zelflerende technologie verschaft inzicht.’
Hoogleraren aan verschillende Amerikaanse universiteiten legden de basis voor de gepatenteerde technologie. De toepassingen zijn zeer breed. Verzekeringsmaatschappijen, maar ook Alta Vista en Google gebruiken de meerdimensionele patroonherkenning in hun zoekmachines. ‘Het systeem voedt zich met vele parameters en krijgt dan inzicht in de dimensies die van belang zijn’, aldus Paquet. ‘De engine met de kerntechnologie voor patroonherkenning willen ze op zo veel mogelijk domeinen inzetten. Ze doen dat al voor zaken als gezichtsherkenning en datagebaseerde algoritmen.’
Paquet was de eerste die GBI aanspoorde om de patroonherkenningstechnologie in de controlewereld toe te passen. Dat leidde tot de oprichting van Optimalaction, een bedrijf waarvan Paquet mede-eigenaar en CEO is. Een handvol van zijn ontwerpers spitst de tooling momenteel toe op de controlewereld. ‘We zijn in staat om aan de hand van observaties met patroonherkenning een model te gegenereren.’
Paquet brengt kennis van mechatronica en tijd in. ‘Mijn bijdrage is om de technologie in de controlewereld te brengen. Ik heb een aardig grote deelneming. Maar bij een kleine opstart heb je engagement nodig. GBI leerde opereren op deze manier. Het is zeer selectief in het kiezen van de mensen waarmee het dochterondernemingen opricht. Ze zijn erachter gekomen dat de toekomst van een spin-off vooral afhangt van een gedreven CEO. Als het goed gaat met Optimalaction hebben zij en ik er voordeel bij.’
Paquet heeft heel wat geleerd van het zakendoen en ondernemen met Amerikanen. Als voorbeeld geeft hij het eerste contract. Dat was 120 pagina’s lang. ‘Dat is nodig, want in tegenstelling tot Europa is er in de VS wettelijk niet veel geregeld. Over de voorwaarden valt overigens goed te onderhandelen. Je moet de contracten wel minutieus doornemen, maar daar steek je weer heel wat van op.’
Complex onderdeel
Paquets werkgever CNH gebruikt Optimalactions technologie niet. ‘Er is op dit moment nog geen nood aan. Er zijn nog voldoende alternatieven. Mijn idee is echter dat we in de mechatronicamarkt binnen tien jaar tegen de grenzen aanlopen dat er alternatieven nodig zullen zijn. CNH wenst zich er niet op toe te leggen. Het heeft als doel landbouwmachines te maken en steekt geen geld in ontwikkelingen die niet 100 procent door CNH te gebruiken zijn.’
Paquet was onder de indruk toen de Amerikanen vijf jaar geleden een demonstratie gaven in Zedelgem. Hij daagde ingenieurs van het bedrijf uit om een regelaar te bouwen voor het maaibord. Dit is het deel van een dorsmachine dat tijdens het maaien over de hele breedte op een constante hoogte over het land glijdt en behalve in hoogte variëren ook kan kantelen.
Het maaibord is slechts een onderdeel, maar wel een complex onderdeel. ‘Ze zijn 10 tot 13 meter breed en mogen de grond niet raken. Ze golven met de aarde mee. Het duurt om zo’n aspect goed te regelen. Bij alle gewassen, alle hoogtes, verschillende snelheden, zachte en harde ondergrond en bij lichte en zware machines. Het is zo complex dat het maaibord als apart onderdeel is geautomatiseerd. Het duurt namelijk jaren voor je zo’n complexe functie goed onder controle hebt.’
Niet voor niets koos Paquet destijds om de kennis van GBI te testen. ‘We hebben de ingenieurs van GBI uitgelegd wat het doel van de regelaar is. Dat heeft een ingenieur ingevoerd op zijn laptop met GBI’s algemene zelflerende engine Plexicon, een statistische kern om controlleractiviteiten aan te pakken. Daarna is de pc via een Can-pc-kaartje verbonden met het Can-netwerk van onze maaidorser om de controlefunctie over te nemen.’
Paquets ogen gingen open. ‘Het programma gaf in het begin vrij wilde stuuracties. Zwart-witacties om te voelen bij welke frequentie de zaak het beste werkt maar na een paar minuten ging het wilde gedrag eruit en bleef het stabiel bij het setpoint totdat de machine uiteindelijk snel en stabiel dynamisch werkte. Ik geloofde mijn ogen niet, want de ontwikkeling van een hoogteregeling neemt meerdere manjaar in beslag. Het was fenomenaal, gezien de beperkte kennis van de applicatie en de omgeving. Ze hadden nog nooit een maaidorser gezien.’
Intelligente machine
Paquet zegt dat het met Plexicon ook mogelijk is intelligente machines te bouwen die mensen helpen in het overstijgen van hun mogelijkheden. ‘Ervaringen met computerspelletjes laten zien dat de technologie zich bovenmenselijk gedraagt. De computer leert je trucjes en verslaat je binnen de kortste keren. Zet zo’n regelaar in een schietspel en het zoekt binnen de kortste keren een werkingsmode op waarmee het zijn doel bereikt.’
‘Het leergedrag is zodanig goed dat het gevaarlijk is’, stelt Paquet dan ook zonder omhaal. ‘De computer leert zo goed dat het moeilijk te vatten is. Daarom is het ook mogelijk het leergedrag uit te zetten als je content bent met het aangeleerde regelgedrag. Uit veiligheidsoverwegingen wil je het leergedrag dan niet langer aan hebben.’
Wel is er een mogelijkheid voor beperkt leergedrag, zodat machines zich beperkt kunnen bijstellen. ‘We noemen dat microlearning. Je kunt je voorstellen dat je dat nodig hebt in systemen die slijten of verouderen en voor bijvoorbeeld sensoren die drift vertonen.’
In de leerstand heeft de Plexicon-technologie veel rekenkracht en een groot geheugen nodig. ‘Het hangt af van de I/O’s. Voor duizend ingangen en duizend uitgangen is een krachtige computer nodig. Maar op het moment dat alles is geleerd en we het leergedrag uitschakelen, dan is het resultaat een compacte datamatrix met een beperkt aantal dimensies die zorgen voor een goede sturing. De meeste systemen zijn maar een aantal dimensies groot. De realiteit is meestal zeer complex, maar een besturingsmatrix kan toch eenvoudig zijn. Vergelijk het met de reacties die mens en dier moeizaam aanleren maar zich na vele generaties nestelen in hun zenuwbanen.’
Alle kennis voor de besturing zit in de datamatrix en die heeft slechts een beperkte rekenkracht nodig. Microleren behoeft wel extra processorkracht. ‘Maar het waardevolle van het systeem is dat het inzicht verschaft. Bijvoorbeeld welke sensoren de meeste bijdrage leveren. Daar kun je dan rekening mee houden bij het microleren.’
Optimalaction werkt nu aan de tooling rondom de technologie. ‘Ons doel is om engineers de mogelijkheid te geven om op basis van onze technologie controllers te bouwen. Daarvoor moeten ze wel vertrouwen hebben. Dus moeten de tools inzicht verschaffen zonder dat ze specialist hoeven te zijn.’
Bert Paquet breekt zich momenteel het hoofd over het businessmodel dat hij zal hanteren. ‘De uitdaging is de technologie te beschermen. Hebben ontwerpers eenmaal een besturingsmatrix met een microleerkern gebouwd, dan kunnen ze die in principe onbeperkt vermenigvuldigen. Dus moeten we nadenken over het licentiemodel en hoe we de kennis beschermen. Een cryptochip met de besturingsmatrix en versleuteling is een van de opties. Die piste ben ik aan het onderzoeken.’
Bert Paquet ziet Optimalactions missie om een bedrijf op te bouwen dat services, tools en producten levert met betrekking tot zelflerende controlesystemen die resulteren in machine-intelligentie voor mechatronische systemen. ‘We zijn voorzichtig om een beroep te doen op risicokapitaal om de technologie sneller op de markt te kunnen brengen. Het gaat niet om de korte termijn. Het bedrijf moet systematisch groeien. Ons doel is een bedrijf op te richten dat stabiel is en stevig in schoenen staat, en meegroeit met de expansie van de robotica.’