Fremtidens fabrikker på Software 2019: Lærer fabrikker å lære selv

Maskinlæring kan gi læring som løfter produktiviteten og kapasitetsutnyttelsen i industrien betydelig.

Det er ikke det at industrien mangler data. Utfordringen er å manøvrere i og tolke de store datamengdene. Fremtidens fabrikker analyserer seg selv, og et norsk oppstartselskap har satt seg fôre å hjelpe dem inn i denne fremtiden.

I TINEs meieri på Jæren lager de Jarlsberg-ost. Det er et supermoderne industrianlegg, hvor alt er automatisert. I fabrikken er det mer enn 35.000 sensorer som samler inn store datamengder.

Dette til tross, var det noen merkelige avvik i produksjonen. Blant annet var det noen kvalitetsavvik som virket helt uforståelige. I tillegg var det enkelte ganger mye større utslipp enn ellers.

TINE har mange smarte folk, men deres analoge intelligenser greide ikke å finne sammenhenger mellom årsak og virkning.

De fant ut at de trengte kunstig intelligens, og hentet inn oppstartselskapet Intelecy, som har sin base i Startuplab i Oslo.

Har data, mangler svar

— Vi kunne jo ikke noe om osteproduksjon, forteller medgründer og operativ leder Espen Davidsen i selskapet.

— Men vi vet mye om de dataene som genereres av de mest brukte produksjonsenhetene. Det gjorde at vi kunne levere et 80 prosent hyllevareprodukt til TINE som ved hjelp av maskinlæring ikke bare fant når det gikk galt, men også hva som var foranledningen til det.

Uten at det var mulig å identifisere én rotårsak, fant TINE ved hjelp av Intelecy  raskt ut hvilke ti omstendigheter som bidrar mest til avvikene.

TINE, i likhet med mange andre industrielle virksomheter, mangler ikke data. Snarere tvert imot, det er så mange historiske data at det er tilnærmet umulig for vanlige dødelige å finne mønstre og sammenhenger.

Plug and play maskinlæring

Her kommer Intelecy inn med et produkt som Espen Davidsen hevder er nesten plug and play:

Bilde av Espen Davidsen
Espen Davidsen

—  Vår visjon i Intelecy er å gi de som jobber nærmest produksjonen i fabrikker et produkt som de selv kan bruke til å produsere renere, tryggere og mer effektivt, sier Espen Davidsen.

— Globalt utnytter fabrikker i snitt bare 65 prosent av den totale kapasiteten, sier han. —  De beste kommer kanskje opp i 85 prosent. Det er et stort potensial for forbedringer i alt fra energiforbruk til utnyttelse av råvarer og maskiner.

Selskapet har allerede en lang rekke norske industrivirksomheter på kundelisten, og peiler seg nå inn på det europeiske markedet.

— Alle sier vi bør spesialisere oss på én type produksjon, men vi har alt fra osteproduksjon til fjernvarmeproduksjon, sier han. — Det handler mer om hva slags produksjonsdata og kontrollsystemer de har enn hva de produserer. Har man gode strukturer og gode data kan man starte med de samme basismodellene, enten det er matproduksjon eller gruvedrift.


Software 2019 kan du høre mer om industriell maskinlæring og fremtidens fabrikker. Du finner Espen Davidsen på sporet Kunstig intelligens og robotikk – dag 2.

Skrevet av Paal Leveraas.

Publisert 29. januar 2019, og sist oppdatert 29. januar 2019.