AI och digitalisering är fundamentalt i framtidens underhåll

Industrin i Sverige och globalt genomgår en stor och betydande förändring. Denna förändring är främst framdriven tack vare den teknologiska utvecklingen inom Artificiell intelligens, AI, och digitalisering.

Industriell AI och digitalisering gör det möjligt för oss att skapa maskiner som kan agera och uppfatta på ett liknande sätt som människan. Den artificiella uppfattningsförmågan implementerad i datorprogramvara och hårdvara, förväntas underlätta utvecklingen av så kallade smarta maskiner, effektivare fabriker och hållbar anläggningsförvaltning.

Inom industrin kan smarta maskiner bidra till att omvandla arbetsintensiva uppgifter, öka produktionseffektiviteten, förbättra människors säkerhet, bidra till hållbarhetsaspekterna, förändra affärsprocesserna och uppnå den övergripande operativa excellensen.

Smarta maskiner är nödvändiga för industriell automatisering, men det finns andra pusselbitar som måste finnas på plats för att uppnå excellens inom en anläggningsförvaltning som är hållbar, konkurrenskraftig och effektiv.

En av dessa pusselbitar avser faktabaserat beslutsfattande. Faktabaserat beslutsfattande bygger på ett datadrivet tillvägagångssätt. Datadrivet tillvägagångssätt och AI är tätt sammankopplade och ger industrin mervärde genom att möjliggöra bearbetningen av en stor mängd data som genera information som kan nyttjas i olika beslutsprocesser inom till exempel drift och underhåll.

Metoder såsom MaskininLärning, ML, och Djupinlärning, DL, är områden inom artificiell intelligens som används av industrin. Datorer behöver data för att lära sig, antingen stora mängder data för engångsanalysändamål eller strömmar av data från vilka lärandet kontinuerligt äger rum. Baserat på förvärvade data antingen online eller off-line kan maskininlärning minska komplexiteten och upptäcka händelser eller mönster, göra förutsägelser eller möjliggöra åtgärder som kan vidtas utan explicit programmering i form av de vanliga "om-då"-rutinerna eller utan klassisk automatiserings- och reglerteknik.

Industriell AI:s förmåga att analysera mycket stora mängder högdimensionella data kan förändra det nuvarande underhållsparadigmet och gå från förebyggande underhållssystem till nya nivåer. Den viktigaste utmaningen är dock att operationalisera förebyggande underhåll, och det här är mycket mer än att ansluta tillgångar till en AI-plattform, strömma data och analysera dessa data.

Genom att integrera konventionella data som vibrationer, krafter eller temperatur med okonventionella ytterligare data, såsom ljud- och bilddata, inklusive relativt billiga givare som mikrofoner och kameror, kan Industriell AI förbättra eller till och med ersätta mer traditionella metoder. AI:s förmåga att förutsäga fel kan användas för att minska stilleståndstiden och driftskostnaderna, och samtidigt förbättra produktiviteten och den totala anläggningseffektiviteten (TAK). Nyttjande av AI inom underhåll kan bidra till att förlänga livslängden för anläggningstillgångar på sådant sätt som inte är möjligt med traditionella analystekniker.

Hur ser framtiden ut för underhåll? Framtidens underhåll kommer att vara allt mer beroende av AI och digitalisering, för att vara effektivt och bidra till de övergripande målen inom hållbarhet, kostnadseffektivitet och konkurrenskraft.

Organisation: Drift och underhållsteknik, Drift, underhåll och akustik, Institutionen för samhällsbyggnad och naturresurser.

Ramin Karim, PhD, Professor, 
Luleå Tekniska Universitet