Nytt AI-system gör maskiner mer effektiva

En ständig utmaning för industrin är att tajma produktion med underhåll. Det är viktigt att styra produktionsstopp till tidpunkter då efterfrågan är lägre eller energipriserna högre för att verksamheten ska bli så lönsam som möjligt. AI har blivit allt viktigare, och idag finns tekniska lösningar som hela tiden bevakar maskinernas status så att de inte går sönder och drabbas av oväntade stopp.

En grupp forskare vid Högskolan i Gävle har tagit fram ett nytt AI-system som dessutom gör att maskinerna anpassar sin produktionstakt och arbetsbelastning så att underhåll och byten av reservdelar sammanfaller med produktionsstoppen. Med hjälp den nya tekniken blir även belastningen på maskinerna mer skonsam och komponenter behöver inte bytas ut i onödan.

– Tekniken gör att maskinerna berättar när de behöver underhåll och anpassar sig automatiskt så att de körs lagom hårt och så att underhållet kan ske förutsägbart, säger Niclas Björsell vetenskaplig ledare för forskningsområdet Intelligent industri vid Högskolan i Gävle.

Ett exempel är ett valsverk med tre valsar. Informationen från AI-systemet gör att man inte behöver stoppa hela produktionen när en vals börjar bli sliten. Istället kan övriga två valsar jobba hårdare en period och kompensera, och produktionsledningen kan planera ett gemensamt produktionsstopp och byta alla valsar samtidigt och därmed undvika tre separata stopp.

AI-systemet är framför allt tänkt att användas inom processindustrin som är mer känslig för produktionsstopp än tillverkningsindustrin. Till processindustrin räknas industriföretag som omvandlar råvaror till produkter, exempelvis papper och massa, stålindustri och gruvbrytning.

– Ett stopp på en maskin har större påverkan inom processindustrin eftersom risken där är större att hela produktionskedjan bryts vid ett stopp. Inom tillverkningsindustrin kan man ofta ha en buffert av de produkter man tillverkar medan man inom processindustrin har en kontinuerlig process där man i ett flöde bearbetar råmaterial till slutprodukt, säger Niclas Björsell.

Nästa steg är nu att testa och implementera AI-systemet i befintlig produktion.

– Den nya tekniken går att använda inom all automatisk tillverkning inom processindustrin, men även inom tillverkningsindustrin. Framför allt gynnar den anläggningsutnyttjande, det blir dyrt när maskiner står still, säger Niclas Björsell.

Kontakt:
Niclas Björsell, professor i elektroteknik vid Högskolan i Gävle
Tel: 026-64 87 95
E-post: niclas.bjorsell@hig.se

Anders Munck, pressansvarig vid Högskolan i Gävle
Tel: 070-794 6523
E-post: anders.munck@hig.se

FAKTA:
AI-systemet har utvecklats inom ramen för ett forskningsprojekt vid Högskolan i Gävle, som består av fyra separata studier:

1. Björsell, N. and Dadash, A.H., 2021. Finite horizon degradation control of complex interconnected systems. IFAC-PapersOnLine, 54(1), pp.319-324.
2. Hosseinzadeh Dadash, A. and Björsell, N., 2022, November. Adaptive Finite Horizon Degradation-Aware Regulator. In European Workshop on Advanced Control and Diagnosis (pp. 123-132). Springer Nature Switzerland.
3. Dadash, A.H. and Björsell, N., 2023. Optimal Degradation-Aware Control Using Process-Controlled Sparse Bayesian Learning. Processes, 11(11), p.3229.
4. Dadash, A.H. and Björsell, N., 2024. Infinite-Horizon Degradation Control Based on Optimization of Degradation-Aware Cost Function. Mathematics, 12(5), p.729.

Forskningen leds av Niclas Björsell, professor i elektroteknik och vetenskaplig ledare för det tvärvetenskapliga forskningsområdet Intelligent industri.

Forskningen har skett i samarbete med SSAB, Ovako, Alleima, och ABB.