Fem nya projekt beviljades finansiering efter Produktion2030s tolfte utlysning ”Effektiva värdekedjor genom digitalisering”. Här presenteras projektet Adaptive lifecycle design by applying digitalization and AI techniques to production (Adapt 2030) lite närmare.
Projektledare Tomohiko Sakao – Linköpings universitet:
I projektet kommer vi att använda befintliga AI-verktyg för att analysera produktionsdata för att behandla avvikelser hos producerade produkter och avvikelser i produktbeteenden. Det vi tittar på är de fysiska produkternas avvikelse jämfört med de specifikationer de är konstruerade och tillverkade efter – vi har inte full kontroll på allt i den fysiska världen och det händer saker under tillverkningen som påverkar slutresultatet. Avvikelser kan även förekomma längre fram i livscykelkedjan då produkterna skiljer sig från det förväntade beroende på olika omständigheter och sättet de används på.
Många producenter samlar stora mängder data, både i fabriken och i användningsfasen, där vår hypotes är att vi ska kunna använda denna data för att minska avvikelserna. Målsättningen är att få bort dem, framförallt i fabriken, eftersom vi vill ha fler produkter som helt möter specifikationen och ställda krav för att minimera ekonomiska och miljömässiga förluster. Vi ser en stor potential med att använda AI-metoder och ‑verktyg för att identifiera korrelationen mellan avvikelser och andra faktorer vid exempelvis konstruktion, tillverkning eller transport.
Under första fasen av projektet, förstudien, identifierade vi de viktigaste utmaningarna enligt ovan. Nu siktar vi på att ta fram demonstratorer där vi kan visa att konceptet fungerar med de data vi får från riktig tillverkning, data som tillhandahålls av våra industripartner Siemens Industrial Turbomachinery och Volvo Construction Equipment. Resultaten vi får fram genom att använda AI för att analysera data räknar vi med att företagen ska kunna implementera för en djupare kunskap vid framtagning av nya produkter; bättre konstruktion, bättre produktion och färre slöserier. En bättre produkt- och servicedesign är vårt slutmål, baserat på livscykelperspektivet.
Våra industripartner utgår från samma hypotes som vi, det vill säga att AI kommer att hitta korrelationer mellan registrerade avvikelser och andra faktorer. Samtidigt är det en otroligt komplex utmaning där vi människor är vana att följa vår intuition baserad expertis och erfarenhet. Med AI kan vi bekräfta det vi tidigare anat och även visa på faktorer som vi inte tagit med i beräkningen. Det är ett sätt att hantera och förenkla komplexiteten.
Dessutom tar vi hänsyn till flera olika sorters data. Vi har dels numerisk data, sådan som samlas direkt ur produktionssystem, utrustning och maskiner. Sedan har vi det jag nämnde ovan, den personliga kunskapen där en person kan notera, i fritext, vad som sker och förväntade eller reella effekter. Även denna ska vi använda för att hitta korrelationer, vilket innebär ytterligare en komplexitet. Samtidigt innebär det att AI får tillgång till både numerisk ”maskindata” och operatörernas input – en utmaning men framförallt en tillgång!
