KI i produksjon og logistikk
For to år siden handlet samtalene om kunstig intelligens (KI) i industrien mest om hvorvidt man burde bry seg. Nå handler de om noe mer praktisk: Hvordan får vi det til å fungere på vår linje, med våre data, uten å bli bundet til en leverandør vi ikke har kontroll over? HVordan kan vi utnytte KI effektivt?
Svaret ligger sjelden i selve algoritmen. Det ligger i dataene, i hvem som eier løsningen, hvordan man bruker informasjonen og i hvordan man tar med seg folkene som jobber der.
Slik brukes KI på produksjonslinja i dag
I produksjon og logistikk er KI sjelden noe man snakker med. Det er heller noe som ser, lytter og regner, hele tiden. Et kamera over et transport bånd som oppdager en skjev etikett, et feilplassert lokk eller en pall som er stablet slik at den kommer til å velte i neste sving. En mikrofon ved en pumpe som fanger opp en endring i lydbildet uker før lageret ryker. En modell som ser at vraket øker hver gang en bestemt maskininnstilling brukes, lenge før noen ville lagt merke til det i rapportene.
Felles for disse eksemplene er at de handler mer om utholdenhet og presisjon enn om intelligens. En erfaren operatør vet godt hvordan en maskin skal høres ut. Men ingen klarer å følge tolv stasjoner med like skarpt blikk gjennom et helt skift, og ingen hører en frekvens endring på noen få hertz. Der er maskinen best. De mest vellykkede løsningene erstatter derfor ikke operatøren, men gir vedkommende et ekstra sett med sanser og et varsel mens det fortsatt er tid tilå gjøre noe.
Integrasjon kommer før innovasjon
De fleste fabrikker har vokst frem lag for lag: et produksjonssystem fra én epoke, et ERP fra en annen, og maskiner fra flere leverandører som hver logger på sin måte. Den ene oppgir vekt i kilo, den andre i tonn. Hver for seg fungerer systemene fint, men en KI-modell er bare så god som dataene den får, og den trenger at systemene snakker samme språk.
Det er her de gode prosjektene skiller seg ut. De starter med å koble sammen det som allerede finnes, avklare hva hvert felt faktisk betyr og sørge for at én hendelse har ett tidspunkt. Det er ikke det mest synlige arbeidet, men det er det som gjør at varslene stemmer og at folk kan stole på dem. Med det på plass blir KI noe man kan utnytte, ikke bare noe som ser imponerende ut.
Hvem eier egentlig løsningen?
Det er lett å komme i gang med en skybasert KI-tjeneste. Man laster opp data, får et dashbord og ser resultater i løpet av uker. I en pilot er det ofte et fornuftig valg. Utfordringene melder seg når piloten blir til daglig drift.
En produksjonslinje eller et sorteringsanlegg står gjerne i 20–30 år. En skytjeneste kan endre prismodell eller vilkår, eller rett og slett legges ned, på kortere varsel enn det tar å få levert en reservedel. Har man bygget kvalitetskontrollen rundt én leverandørs grensesnitt, kan et prisvarsel plutselig bli et ombyggingsprosjekt.
Så er det spørsmålet om hvorfor. Når et system bestemmer at et parti skal kasseres, eller at en pall skal stoppes før utlasting, må noen kunne forklare beslutningen, enten det er til kunden, til revisor eller i en reklamasjonssak. Lukkede modeller der verken data eller logikk er tilgjengelig, gjør det vanskelig. Man ser hva svaret ble, men ikke hva det bygget på. Et system som viser hvorfor det konkluderte som det gjorde, gir deg grunnlaget for å ta din egen beslutning. Og så det helt praktiske: Hva skjer den dagen fiberkabelen blir gravd over? En analyse som kjøres lokalt på anlegget, fortsetter å virke. Den svarer også på millisekunder i stedet for å vente på en rundtur til et datasenter. Det betyr mye når produktene passerer kameraet i flere meter i sekundet og avviket må sorteres ut før neste stasjon.
Tillit avgjør
Feilrater, produksjonstakt og maskininnstillinger er mer enn driftstall. Til sammen viser de hvor effektiv linja er, hvor flaskehalsene sitter og hvor mye som går til vrak. Det er så sensitivt at EUs dataforordning forbyr den som sitter på data fra tilkoblede maskiner, å bruke dem til å kartlegge kundens produksjon på en måte som kan svekke kundens konkurranseevne. Likevel gir mange standardavtaler leverandøren rett til å bruke dataene for å «forbedre tjenesten». Det kan være helt greit, men det bør være et bevisst valg, ikke noe man oppdager i vilkårene i etterkant.
Like viktig som hvem som ser dataene, er hvordan de som jobber på linja opplever systemet. Det er operatørene som skal stole på varslene og si fra når systemet tar feil. Det er også de som vet hvilke feil som faktisk koster penger, og hvilken maskin som alltid oppfører seg rart etter en helg. Et kamera som ser på maskinen, ser ofte også den som står ved den. Da gjelder egne regler for personvern og kontroll på arbeidsplassen, og de tillitsvalgte burde involveres tidlig. Der de ansatte er med fra starten og vet hva kameraet ser etter, blir løsningen et verktøy. Der kameraene henges opp først og forklares etterpå,oppleves de som overvåking.
Noen enkle grep gjør stor forskjell. Vis hva systemet registrerer, og hva det ikke registrerer. Lagre konklusjonen, ikke råmaterialet: Det holder å vite at det var et avvik på linje 3 klokken 14.02, ikke å ha video av hele skiftet. Og la operatøren få siste ord, da blir det bedre for begge parter.
Det lønner seg å starte med én feil
Når industrielle KI-prosjekter strander, er det sjelden fordi teknologien svikter. Oftere var ambisjonen å optimalisere hele fabrikken på én gang. Det fungerer langt bedre å velge én konkret feiltype, på én linje, som allerede koster penger i dag. Man måler hvordan det står til før, lar systemet gå en periode og regner på forskjellen. Da har man et tall å vise til, og et fundament som tåler å bygges videre på.
Underveis dukker de samme spørsmålene opp igjen og igjen:
- Henger dataene sammen på tvers av systemene?
- Hva skjer når nettet er nede?
- Kan vi forklare en beslutning i ettertid?
- Hva lagres, hvor, og hvem har tilgang?
- Står det noe i kontrakten om at leverandøren trener modellene sine på våre data?
Ingen av disse krever en egen KI-strategi for å besvares, men de bør være avklart før det første kameraet skrus opp.
Slik jobber Realcom med industriell KI
Realcom har levert sanntidsløsninger til industri og logistikk i over 20 år, med løsninger i over 35 land. KI er en nyere del av det vi gjør, men grunnarbeidet er det samme som før: å få data fra linja til å henge sammen, og å reagere mens produktet fortsatt er på båndet. Det er denne erfaringen KI-løsningene våre bygger på. De analyserer video, lyd og sensordata i sanntid og varsler når noe avviker fra kriteriene kunden selv har satt.
Den viktigste forskjellen ligger i hvordan vi leverer. Vi mener kritiske systemer bør eies av dem som er avhengige av dem. Derfor kjører løsningene på infrastruktur kunden selv kontrollerer, integrert med systemene som allerede finnes. Dataene blir der de hører hjemme, responstiden er kort, og man ka alltid se hvorfor systemet konkluderte som det gjorde.
Målet er å gi folkene på linja varselet tidsnok til å gjøre noe med det. Det gir mindre vrak, færre reklamasjoner og færre avvik som først oppdages hos kunden. Mange bruker også løsningen til å frigjøre operatørene fra manuell kontroll, slik at de kan brukes der de gjør mest nytte.
Er det en feil som går igjen, eller et avvik som oppdages for sent? Ta kontakt for en uforpliktende prat.