Hej!
Många pratar om AI men jag fattar faktiskt inte riktigt vad man ska ha det till på en industri. Eller överhuvudtaget… kan ni förklara?
Tack för frågan Datakillen67, som jag tror många ställer sig… AI eller Artificiell Intelligens kan vara lite olika saker. Vi stöter på det i våra mobiler, som tipsar om vilka vägar vi ska välja för att undvika köer och förstår när vi (troligen) är på väg till jobbet eller hemåt. Det kan också skicka riktad marknadsföring till oss när vi surfar (på gott och ont…)
Men i industriella sammanhang finns det några huvudområden. Dels handlar det om dataanalys men även maskininlärning. Dessa går hand i hand och dataanalys innebär att man låter ett system läsa igenom stora mängder data (”Big data”) som är mer än vad en människa rimligen kan göra. Om förutsättningarna är de rätta kan dataanalysen se mönster och dra slutsatser. Tex kan man upptäcka att man får stopp i produktionen oftare vid vissa förutsättningar.
Några exempel:
Är produktionsstörningar vanligare då produktionen just startat? Då kanske maskiner behöver varmköras lite mer innan start?
Är det mer fel under vissa skift? Då kanske det behövs kompetenshöjande åtgärder.
Fel kanske är vanligare när industriportar stått öppna i samband med in-utlastning? Då kanske temperatur eller luftfuktighet i lokalen påverkar kvaliteten?
Maskininlärningen blir nästa naturliga steg. Då drar systemet slutsatser ifrån dataanalysen och kan tex fastställa inom vilket fönster processparametrarna ska ligga, för att man ska få en trygg produktion. Detta är en iterativ process, vilket innebär att den justerar sig upprepade gånger. Justerar parametrarna, kontrollerar om det blir processfel, justerar igen. I idealfallet kan systemet till sist hålla produktionen stabil utan avbrott.
Ett annat exempel är att låta ett AI-system analysera inkomna orderprognoser och jämföra med tidigare prognoser och skarpa beställningar. Kanske till och med komplettera med externa data, tex väderdata om man tillverkar säsongsprodukter. Med tillräcklig mängd data kan systemet skapa bättre prognoser och tex optimera råvarulagret, genom att mer pricksäkert kunna förutsäga hur mycket som kommer att förbrukas inom ett givet tidsintervall.