Så lyckas du med AI-resan inom tillverkningsindustrin

Om maskin A överträffar maskin B i hastighet är vinsten genast uppenbar. Men att beräkna avkastningen på en AI-lösning som dessutom utgör en betydande investering – är däremot en betydligt mer komplex uppgift. Simon Nilsson, teknisk chef på Holsby Metall, såg det som en utmaning att mäta den potentiella vinsten när företaget började utforska möjligheterna med AI-teknologi.

Det småländska verkstadsföretaget tillverkar komponenter inom VVS och hydraulik och är framför allt en så kallad tier-1-leverantör till den svenska fordonsindustrin. De fick stöd av Almi och tog tillsammans med Tenfifty, ett företag som bygger skräddarsydda AI-lösningar, fram en modell för att identifiera driftstopp. De valde att testa på en produktionslinje för aluminiumdetaljer till lastbilar. Syftet var att låta AI känna av om någon del av processen blir fel längs vägen - och därmed förutspå ett eventuellt driftstopp. Först behövde man samla in data för att kunna träna AI:n.

– Den här produktionslinjen består av en ugn, en robot och en press. Vi satte in tolv sensorer som mätte all data vi kunde samla in under de 15 minuter det tar att forma en aluminiumdetalj, som temperatur, viskositet, luftfuktighet och hastighet, säger Simon Nilsson.

Datainsamlingen – a och o

Det tog ett och ett halvt år att samla in all data, genom den noggranna kartläggningen av hela tillverkningsprocessen. Datainsamlingen tog längre tid än vi hade kunnat tro. Mitt bästa tips till den som vill testa AI-teknik är att välja en process som man känner till väl och inte välja den svåraste man har och tänka: “nu ska AI lösa allt åt oss”, säger Simon Nilsson. Datapunkterna matades sedan in och tränade AI:n. Rent konkret bestod hårdvaran av en datorskärm som sattes upp i verkstaden. Mjukvaran bestod av ett operatörsgränssnitt, en dashboard, som med grafik och grafer visar den data och historik som låg till grund för AI:n. Om exempelvis temperaturen sjönk i ugnen i början av tillverkningsprocessen, kunde AI:n känna av det och larma om att ett driftstopp skulle ske inom ett par minuter om temperaturen inte höjdes direkt.

I Sveas senaste AI-undersökning framkommer det att allt fler svenska företagare överväger att integrera AI-teknik (31 procent jämfört med 19 procent 2019).

Inom tillverkningsindustrin är det dock bara vart fjärde företag som är intresserade, jämfört med vart tredje totalt. De främsta anledningarna är att man inom tillverkningsindustrin helt enkelt inte ser någon nytta med AI (48 procent) och heller inte har den kompetens som krävs (24 procent).

Den här bilden bekräftas av Anders Bjurström, vd på Tenfifty, som har många kunder inom tillverkningsindustrin.

– Min bild är att alla verkstadsbolag med någon självaktning pratar om AI i styrelserummen nu men väldigt få vet hur man ska börja och det är ganska få projekt som rullar skarpt.

Nya, bättre och snabbare insikter

Sveas undersökning visar också att många bolag inte riktigt vet vad de ska ha AI-tekniken till. Anders Bjurström tycker att man ska använda AI för att få nya, bättre och snabbare insikter i sin data. Han påpekar att det finns mycket goda förutsättningar för AI i svenska bolag inom tillverkningsindustrin, eftersom de varit digitaliserade så pass länge vid det här laget.

– Man sitter på så mycket data att det nästan inte går att behandla den med mänsklig hand, som exempelvis hur mycket kapital man binder i sina lager eller när en maskin beräknas gå sönder. Har du problem kopplat till detta kan jag lova att det finns AI-teknologi som kan hjälpa till.

Det viktigaste att tänka på, menar Anders Bjurström, är att välja rätt data att bygga sin AI på, så att det som AI:n ska utföra verkligen gör nytta.

– Används den rätt kommer du att få konkurrensfördelar och fatta bättre affärsbeslut, ge en bättre kundupplevelse, ha mindre miljöpåverkan och en bättre produkt. 

“Vi lärde oss extremt mycket”

Holsby Metall var tidigt ute för fyra år sedan, kanske lite för tidigt, för i slutänden valde man att inte implementera just den AI-lösning som man hade utvecklat.

– I dagsläget har vi kanske ett, två produktionsstopp per dygn. Det fixar man ändå och vi insåg att det inte var lönsamt att göra den investeringen. Det var otur att vi valde maskin A i stället för maskin B, men vi lärde oss extremt mycket på det. Holsby Metall har nu ett nytt AI-projekt, som handlar om kameralösningar och bildanalys. AI-teknik ska användas för en automatiserad kvalitetskontroll av komponentdetaljer.

– Svårigheten ligger, återigen, i att definiera vad man ska få ut av systemet, det vill säga vilken data man ska stoppa in. Vi pratar med flera leverantörer nu och de är nära att lyckas, säger Simon Nilsson.

Tanken att AI skulle minska andelen anställda håller han inte med om. Simon Nilsson påpekar att Holsby Metall har automatiserat mycket och samtidigt blivit fler anställda de senaste åren. 

– Framöver får robotar och AI göra det monotona arbetet och människorna får sköta övervakning och säkerhetsprocesser. Det skapar effektivitet och bra arbetsmiljö och gör att vi kan växa och samtidigt hålla kvar jobben här i Norden. 

AI i stor skala

Ett företag som verkligen ligger i framkant i sin AI-resa är Södra. Skogsindustrikoncernen är organiserad i fyra olika affärsområden: skog, sågad träråvara, massabruk och innovation. Bolaget är ett kooperativ med 3 000 anställda och 52 000 medlemmar, som bidrar med den skogsråvara som Södra sedan förädlar. Träden blir till papper- och textilmassa men också till sågade trävaror samt energiprodukter och råvara till biodrivmedel. Både massaproduktionen och sågverksrörelsen är bland de största i Europa och produkterna säljs främst på internationella marknader.

Det är, kort sagt, en komplex verksamhet som bedrivs på Södra. Transparensen mellan olika affärsområden har traditionellt varit liten. Beslut har fattats baserat på vana eller magkänsla, vilket kan få stora konsekvenser inom en annan del av värdekedjan.

– Vi var väldigt manuella och har säkert haft miljoner Excel-filer där vi har räknat på olika saker. Men de är personberoende och blir ofta inaktuella, säger Stefan Ekberg.

För lite mer än två år sedan fick han uppdraget att hitta AI-verktyg för att optimera hela värdekedjan och se till att alla delar av det stora bolaget drog åt samma håll. Syftet var att spara pengar på sista raden. 

En AI-baserad digital tvilling

En helt ny avdelning byggdes upp med erfarna medarbetare som kompletterades med nyanställda och extern kompetens. Avdelningen kallas för Flight Tower, där en projektgrupp med experter från verksamheten, data scientists och en business analyst fick i uppdrag att hitta områden som skulle kunna gynnas av AI.

Enkelt förklarat byggdes en AI-baserad digital tvilling över hela värdekedjan. I en gemensam IT-plattform matas all nödvändig data in, som sedan kan återanvändas och korskopplas på en massa olika sätt.

– Vi tar fram den här digitala tvillingen på storbild och sitter tillsammans och resonerar. ”Om vi flyttar de här volymerna till det här sågverket, anpassat för den här marknaden, då kan vi spara flera miljoner”. Det går att fatta bättre affärsbeslut helt enkelt.

Stefan Ekberg beskriver det som en modell som kan ge helt nya insikter, som en människa aldrig skulle klara av att skapa själv. Både i skarpa situationer och i olika simulerade scenarier.

– Om ett bruk blir stillastående får det enorma logistiska konsekvenser. Nu kan vi i Flight Tower snabbare uppfatta när något börjar gå snett. Vi kan också enklare styra om produktionen, ska vi till exempel satsa på sågverksflis eller pellets i det läget? Allting hänger ihop och nu kan vi se det med egna ögon och dra helt nya slutsatser.

Har sparat mångmiljonbelopp på AI-lösningen

Tack vare den nya AI-baserade kunskapen som har skapats har Södra optimerat hela verksamheten och sparat många miljoner kronor hittills. Nu leder Stefan Ekberg Flight Tower in i nästa fas i AI-resan.

– För att kunna leverera värde måste man ha ett litet urval, en exakt mängd data som man också kan koppla affärsnytta till. Nu har vi kommit så långt att vi har visat att vi kan leverera värde och först nu har vi börjat gå mer på bredden. Just nu är vi inne i en massiv expansion av den här datapipelinen, säger Stefan Ekberg och fortsätter:

– Det är för att vi i framtiden ska kunna svara på frågor som vi i dagsläget inte ens har formulerat.

Fem tips för att komma igång med AI inom tillverkningsindustrin

1. Vad krävs för att nå er vision om framtiden?
Fundera över var ni vill vara om några år, kopplat till era affärsmål. Vilken typ av arbetsuppgifter/produktion vill ni ha kvar och vad skulle passa att automatisera/använda AI till. Ett exempel är att som Holsby Metall titta på en specifik produktionslinje för att effektivisera produktionen och undvika driftstopp. Kom ihåg att AI ska vara medlet, inte målet. Det måste alltid gå att kunna koppla användningen av AI till ett mätbart värde.

2. Identifiera problem och möjligheter 
En nyckelfaktor för att lyckas är att inte bara engagera IT-avdelningen. En AI-resa är inte ett IT-projekt, utan något mycket bredare. Fråga de anställda. Be dem om en lista och utgå från den. Garanterat ingen av dessa punkter kommer att handla om AI, men däremot om vad som behöver förbättras, som problem med driftstopp, effektivitet och hållbarhet. Utgå från listan och se vilken data som finns som kan kopplas till problemet. 

3. Använd rätt teknik med hjälp av experter 
Det finns hur många AI-tekniker som helst som ligger och väntar på svenska företag. Svårigheten ligger i att identifiera exakt vilken typ som passar dig och din data. Få företag i Sverige i dag har, som koncernen Södra, kapaciteten att bygga sin egen AI. Även för Södra krävdes att man i början tog in extern hjälp. 

Exempel på leverantörer:
Tenfifty – Bygger skräddarsydda AI-lösningar, från idé till driftsättning. 
Gimic – Utvecklar autonoma visuella inspektioner genom en AI-teknik som utför bildanalys.
Viking Analytics – Bygger AI-teknik som upptäcker tidiga maskinfel och förebygger att maskindelar går sönder. 
Machine Intelligence Sweden – Bygger strategiska AI-applikationer för industrin.
Microsoft – Har konsulter och egna verktyg för både större och mindre företag.

4. Börja med ett case med låg komplexitet
Se till att det första projektet har låg komplexitet och att det finns något tydligt värde med det. Holsby Metall valde exempelvis en tidskrävande datainsamling som i slutändan visade sig vara olönsam. AI:n tillförde helt enkelt inte tillräckligt mycket i besparing. Dessutom ska man inte behöva ändra arbetssätt alltför mycket.  

5. AI – också en viktig arbetsmiljöfråga
Teknikutveckling drivs ofta med syftet att öka kvalitet och minska kostnader. Men glöm inte att människor blir påverkade. Forskning visar att AI bidrar till att vissa yrkesgrupper snabbare och mer effektivt kan utveckla sin kompetens, medan andra tenderar att bli utarmade. Enligt Myndigheten för arbetsmiljökunskap är det viktigt att se robotisering och AI-användning som en arbetslivs- och arbetsmiljöfråga.