Snart kan det vara försent….

0
220

Alla pratar vi idag om Industri 4.0 och begreppen ”smarta fabriker” eller ”smart tillverkning”. Någon gång år 2013 arrangerade jag en workshop i Jönköping kring ”Data Mining” i syfte att starta en kartläggning rörande vad vi gör med all den data vi samlar in; data om materialen, processen inkl. verktyg, kvaliteten mm. Om jag minns det hela rätt så hade vi inte så många deltagare vid det tillfället; enbart ca 5-7 företag deltog vilka medgav att data sparas. Men enbart ett fåtal analyserar och drar lärdomar från all den insamlade datan. Jag skulle även vilja kalla det all den insamlade ”know-how”. Vi ska se det så; för det är ju vårt kunnande som vi egentligen sparar; men jag blev förvånad över att vi majoriteten inte analyserar datan. Förvånande nog, finner jag samma mönster idag; allt fler bolag sparar data men fåtal använder dessa i syfte att arbeta förebyggande och/eller för ständiga förbättringar. Och det är inte lätt heller att bearbeta eller analysera all den insamlade data; vilka är de ”rätta” parametrarna ” som ger den ”rätta” kvaliteten mm. Men innan jag tågar vidare låt mig ta ett uppehåll här och introducera min kollega professor Niklas Lavesson som forskar inom det numera heta området Artificiell intelligens (AI). Niklas förklarar begreppet för mig att AI är ett datavetenskapligt forskningsområde med rötter från bland annat filosofi, neurovetenskap, matematisk statistik och psykologi. Det övergripande målet inom AI är att utveckla vår kunskap om och förståelse för intelligenta maskiner och datorprogram; det vill säga maskiner som uppvisar det vi människor uppfattar som intelligent beteende.

Den ursprungliga idén bakom AI var att mänsklig intelligens kunde beskrivas så detaljrikt och precist att det skulle vara möjligt för en dator att simulera intelligens. Idag vet vi att vår kunskap om mänsklig intelligens är begränsad och att även låg intelligens och begränsad kognitiv förmåga är för komplicerad för att beskriva detaljrikt och implementera i datorer.

Dagens forskning och teknikutveckling inom AI

Niklas berättar vidare att maskininlärning, den del av AI som rör inlärning och anpassning, har kanske mer än något annat delområde bidragit till den snabba utvecklingen och spridningen av AI-teknik som vi ser idag. Med metoder från maskininlärning blir det möjligt att utveckla mjukvara som själv kan öka sin kunskap eller förbättra sin förmåga att utföra en uppgift genom erfarenhet. Dessa metoder är beroende av ofta stora mängder digitala data för att utveckla sin förmåga eller för att utvinna information och identifiera relevanta mönster som behövs för att generalisera. Man kan säga att dagens AI-teknik, som till stor del bygger på maskininlärning, och den pågående digitaliseringen utvecklas växelvis: AI-tekniken behöver digitala data om uppgiften som ska lösas och sporrar den som vill automatisera någon uppgift att digitalisera och digitaliseringen av allt fler miljöer och värdsliga eller mänskliga aspekter bidrar på sikt till nya tillämpningsområden för AI.

AI ur ett internationellt och nationellt perspektiv

Från att ha varit ett ganska obskyrt akademiskt forskningsområde har AI intagit en position internationellt som en av dagens och morgondagens viktigaste teknikområden. USA har länge haft en ledande roll inom både den akademiska forskningen och tillämpningen av AI inom industri, näringsliv och samhälle. Kanada och Kina är på väg att inta ledande positioner. Japan har länge varit ledande inom flertalet robotik- och automationsområden.

Sverige är ett mycket framgångsrikt land vad gäller forskning och innovation inom en rad områden. Bredbandsuppkopplingen och digitaliseringen har prioriterats i Sverige; vi är ständigt uppkopplade. Men AI-forskningen har dessvärre varit ekonomiskt eftersatt under en lång tid i internationell jämförelse. Därav följer att Sverige nu har relativt få AI-forskare, ingenjörer och experter jämfört med exempelvis USA och Kanada.

En positiv utveckling rörande AI i Sverige kan emellertid skönjas. Regeringen gav i slutet på förra året Vinnova i uppdrag att kartlägga och analysera det nationella läget gällande AI. Vinnovas rapport beskriver framtagandet av AI som viktig för samtliga sektorer och näringsgrenar och betydande för svensk konkurrens- och innovationskraft framöver.

AI för gjuteribranschen – hoppa på det digitala tåget redan idag!

Kollegor, jag antar att ni förstår vart jag är på väg. Det är dags att göra en transformering från the ”digital shadow” till the ”digital twin”. Likt flera andra områden inom tillverkningsindustrin innehåller gjuteribranschen såväl små som stora aktörer och mognaden vad gäller digitalisering, automation och AI varierar. Det är uppenbart att gjuteribranschen måste öka exporten och förmågan att konkurrera internationellt för att överleva på sikt. Det finns god anledning att anta att AI som teknikområde kan tillämpas inom en rad områden, processer och aktiviteter inom gjuteriet för att exempelvis öka produktionseffektiviteten, minska materialförbrukningen, minska kassation samt öka förmågan att proaktivt renovera eller byta ut utrustning och maskiner i rätt tid mm. Moderna metoder från maskininlärningsområdet kan användas för såväl kalibrering och optimering av maskiner och utrustning som för prediktion och simulering. Det finns exempel på tidig tillämpning av AI och maskininlärning inom gjuteribranschen i Sverige: Novacast i Ronneby undersökte tillämpningen av neurala nätverk för optimering av gjuteriprocesser redan på 1990-talet. På grund av AI-områdets utveckling och dagens hårdvaruprestanda finns det nu en historisk möjlighet att skapa innovation inom gjuteribranschen genom en kreativ och nytänkande tillämpning av intelligenta, interaktiva och visuella teknologier.

Vinnovas rapport framhäver också att Sverige måste agera kraftfullt och snabbt.Så återigen, vid avdelningarna för Material och tillverkning samt Datateknik och informatik vid Jönköping University finns det erfarna och meriterade forskare som gärna stödjer er i strävan för införandet av det ”digitala gjuteriet” för att bibehålla samt stärka konkurrenskraften; det kallar vi gärna för ”samverkan 4.0”.

 

/Salem Seifeddine och Niklas Lavesson