From State to Decision: I-GATE Framework

Het maken van een moderne auto is niet langer alleen een kwestie van ingenieurs die blauwdrukken tekenen en fabrieken die metaal stansen. Het is een uitgestrekt, verstrengeld web van beslissingen waarbij een keuze in de ene afdeling doorwerkt in de hele organisatie. Als een team besluit een onderdeel lichter te maken om geld te besparen, kan datzelfde onderdeel moeilijker te produceren zijn, meer dure tests vereisen, of een leverancier dwingen om overuren te draaien, wat elders nieuwe risico's creëert. Decennialang heeft de auto-industrie deze complexe projecten beheerd door vinkjes te zetten bij specifieke mijlpalen, bekend als gates. Bij elke gate keken managers naar een lijst met cijfers — kosten, kwaliteit, planning — en vroegen of ze aan een vaste doelstelling voldeden. Als de cijfers groen waren, ging het project door; als ze rood waren, stopte het. Deze methode werkt goed voor eenvoudige problemen, maar faalt vaak wanneer het systeem zo onderling verbonden is, omdat het elke beslissing behandelt als een statische momentopname in plaats van een zet in een langdurig, evoluerend spel.

Onderzoekers aan de Semnan Universiteit hebben een nieuwe manier voorgesteld om deze complexiteit aan te pakken, genaamd het I-GATE-framework. In plaats van alleen te controleren of een project vandaag aan een doel voldoet, probeert dit systeem het volledige verhaal van de ontwikkeling van de auto te begrijpen als een levende, veranderende staat. Het verzamelt informatie uit alle hoeken van het project, van de ontwerpsoftware en leverancierscontracten tot de fabrieksvloer en kwaliteitsrapporten, en versmelt deze tot één enkel, allesomvattend beeld van waar het project zich bevindt. Dit beeld bevat tien verschillende dimensies, zoals de kosten van de auto, de betrouwbaarheid, de gereedheid van de fabriek om deze te bouwen, en de mate van vertrouwen in de kennis van het team. Door al deze factoren samen in te zien, kan het systeem zien hoe een kleine verandering in één gebied een groot probleem in een ander gebied later kan veroorzaken.

De kern van het idee achter I-GATE is om een projectgate niet langer te behandelen als een eenvoudige pass/fail-controlepunt, maar als een dynamische intelligentie-node. Stel je het project niet voor als een lijn op een grafiek, maar als een punt dat door een meerdimensionale ruimte beweegt. Het systeem vraagt niet alleen: "Is de kost laag genoeg?", maar: "Als we vandaag voor dit pad kiezen, waar staan we dan volgende maand?" Het simuleert verschillende toekomsten om te zien welke beslissing leidt tot het beste algemene resultaat, waarbij concurrerende doelen zoals snelheid, kwaliteit en duurzaamheid worden afgewogen. Dit doet het door de ruwe gegevens van de fabriek en het kantoor te verbinden met een model dat begrijpt hoe deze zaken elkaar in de loop van de tijd beïnvloeden. Als een leverancier te laat is, signaleert het systeem niet alleen een vertraging; het berekent hoe die vertraging het testschema, de uiteindelijke lanceerdatum en de totale kosten zal beïnvloeden, waardoor managers de volledige consequentie van hun keuzes kunnen zien voordat ze ze maken.

Om dit idee te testen, bouwden de onderzoekers een computersimulatie van een voertuigontwikkelingsprogramma. Ze creëerden een digitale versie van een auto-project dat door een reeks levenscyclus-gates bewoog, waarbij het systeem moest kiezen uit zes mogelijke acties, zoals doorgaan volgens plan, een onderdeel herontwerpen, meer testen toevoegen of proberen verloren tijd in te halen. De simulatie maakte gebruik van een geavanceerd leerproces waardoor het systeem de geschiedenis van het project kon bekijken en kon voorspellen hoe verschillende keuzes zouden uitpakken. Het leerde dat de beste zet soms niet de zet is die er op dit moment het beste uitziet, maar de zet die een ramp later voorkomt. Het leerde bijvoorbeeld dat het in het begin extra tijd besteden aan testen de boel weliswaar vertraagt, maar dat dit vaak kostbaar herstelwerk en vertragingen in de toekomst voorkomt.

De studie stelt dat deze nieuwe aanpak de rommelige, onderling verbonden realiteit van automanufacturing veel beter zou kunnen afhandelen dan traditionele methoden, hoewel de auteur expliciet vermeldt dat het huidige werk een methodologisch framework is en nog geen empirisch bewijs vormt van algemene superioriteit. Waar standaard systemen een project zouden goedkeuren omdat de kosten laag zijn en de planning er goed uitziet, zou I-GATE het kunnen afkeuren omdat de lage kosten zijn bereikt door concessies te doen op kwaliteit, wat waarschijnlijk later tot defecten zal leiden. Het systeem is ontworpen om aanpasbaar te zijn, wat betekent dat het kan leren van fouten uit het verleden en zijn regels kan bijwerken naarmate het project evolueert. Het respecteert ook het menselijke element, door te fungeren als een hulpmiddel om managers te helpen betere beslissingen te nemen in plaats van hen te vervangen. De onderzoekers benadrukken voorzichtig dat dit een nieuw architecturaal framework is, een blauwdruk voor hoe besluitvorming te organiseren, en geen afgewerkt product dat op elke autofabriekvloer is bewezen. Zij benadrukken dat de echte test zal komen wanneer dit systeem wordt toegepast op real-world data van daadwerkelijke automakers, waar de onvoorspelbare aard van het echte leven de ultieme rechter zal zijn.

Wat dit werk significant maakt, is dat het een manier biedt om orde te scheppen in de chaos zonder deze te oversimplificeren. Het erkent dat een auto niet slechts een verzameling onderdelen is, maar een complex systeem waarin alles met elkaar verbonden is. Door een gedeelde taal te creëren voor alle verschillende soorten data die betrokken zijn bij het maken van een auto, stelt het I-GATE-framework ingenieurs, managers en leveranciers in staat om hetzelfde beeld te zien en de gevolgen van hun acties te begrijpen. Het verschuift de focus van simpelweg een doel halen naar het begrijpen van de reis. In een wereld waar auto-ontwikkeling sneller en complexer is dan ooit, kan het hebben van een systeem dat het hele pad vooruit kan zien, in plaats van alleen de volgende stap, het verschil betekenen tussen een succesvolle lancering en een kostbare mislukking. De onderzoekers hebben een duidelijk pad uitgezet voor hoe dit zou kunnen werken, door een rigoureuze methode te bieden om data, dynamiek en menselijk oordeel samen te brengen in één intelligent proces.