Hållbarhet och ekonomisk lönsamhet ses av många kanske som två oförenliga storheter. Men faktum är att de trivs bra med att gå hand i hand, det ser vi exempel på inte minst i den tunga industrin. Inom tillverkning handlar det ofta om att se till att resurser används effektivt, att minimera spill, minska energiförbrukning eller att spåra brister och läckage i utrustning som kan hindra farliga utsläpp eller försinka produktionstiden.
Ett exempel hittar vi hos en av Sveriges industriklenoder, ståltillverkaren Uddeholm i värmländska Hagfors. Uddeholms stål används till att forma en mängd produkter som finns runt omkring oss, allt från petflaskor till glasögonbågar, och det är helt avgörande att stålet håller högsta kvalitet, är helt rent och polerbart.
Letade intressanta AI-projekt
Ola Axelsson, Engineering Manager på Uddeholm, berättar att man tidigt ville vara med och utforska potentialen inom AI när tekniken kom på tal på allvar runt 2016 och hur man tillsammans med CGI identifierade några intressanta användningsområden. Ett av dem var att ta reda på orsakerna till varför vi ibland får sprickor i stålet.
”En del sprickor kunde vid den tiden bara upptäckas i det sista steget i produktionen. Då var man tvungen att lägga tillbaka stålet i ugnen och smälta det igen, något som blev både dyrt och energikonsumerande. Eftersom det är så många olika faktorer som kan bidra till sprickbildningar att konventionella analysmetoder skulle bli alldeles för omfattande, kom vi fram till att området passade bra för AI-testning”, berättar han.
Sagt och gjort. Man valde ut två vanliga stålsorter och samlade in alla data om dem från tillverkningsprocessen under ett års tid. Därefter tog man tillsammans med CGI fram en machine learning-modell som analyserade enskilda parametrar och kombinationer av parametrar ur de data som kunde påverkade sprickbildningar.
Ögonöppnare
”Här såg vi en mängd intressanta saker, som till exempel att om ett visst legeringsämne var inom en viss gräns i kombination med att tiden för smidpressen översteg 5000 sekunder, då såg vi att vi löpte 87 procents risk att få sprickbildningar i stålet”, berättar Ola och fortsätter:
”Det här var en ögonöppnare för oss. Den data scientist på CGI som hjälpte oss hade ju ingen erfarenhet av ståltillverkning. Ändå kunde han få fram avgörande information bara genom att analysera våra data. Att hitta de här sambanden genom konventionella metoder skulle ha tagit åratal annars.”
När man så fick information om vad som var roten till problemen, kunde man skrota material tidigare i processen och slippa jobba med defekt material. Det blev också möjligt att modifiera stegen i tillverkningsprocessen så att sprickbildningar kunde undvikas. Man kunde på så sätt både minimera kostnaderna och förbättra hållbarheten genom att använda mindre material, energi och resurser.
Viktigt med rätt organisation
Ola berättar att de också lärt sig vilken enorm nytta man har av data och hur viktigt det är att den håller en hög kvalitet. Därför sätter Uddeholm nu tillsammans med CGI upp en governance model för att säkra upp hela kedjan av datan, från insamling, lagring och kvalitetssäkring till analys. Man sätter också upp en framtidssäkrad infrastruktur, en plattform som kan hantera både lagrad och strömmad data så att de anställda i produktionen kan följa och agera på den i realtid.
Ola betonar vikten av att ha en organisation som stöder arbetet med AI. Uddeholm har byggt upp en organisation som består av en ”hubb” med experter inom AI och IT-infrastruktur, och som sedan är sammanknutna med experter från olika delar av verksamheten, som produktion, logistik, kvalitet etcetera, som informerar hubben om vilka områden man bör arbeta med.
”På så sätt är vi säkra på att vi löser riktiga problem som vi faktiskt har i verksamheten, vilket har visat sig fungera mycket väl”, berättar han och fortsätter:
”Målet är att vi ska bli en datadriven verksamhet – beslut ska fattas med datastöd så långt som möjligt. Då ska det datadrivna tänket inte finnas i en egen enhet utanför organisationen och inte heller vara bara en del av den. Det ska genomsyra hela organisationen, och kunna fånga upp problemen på golvet. Det är då det händer saker på riktigt.”
Uddeholm arbetar med flera andra AI-projekt för ökad hållbarhet och effektivitet, bland annat med att:
Förutse när regeneratorpaket ska bytas ut i en av ugnarna för att undvika att förpackningar byts ut för tidigt eller för sent så att ugnen måste tas ur produktion. KPIer: energianvändning, underhållskostnader.
Hitta läckage i realtid i tryckluftssystemet. KPIer: energianvändning, underhållskostnader.
