Ett producerande företag som vi nyligen träffade berättade att de påbörjat ett AI/maskininlärningsprojekt i produktion för att kunna göra prediktivt underhåll. Syftet med projektet var alltså att minska nedtiden genom att tidigt kunna förutse när de behöver göra underhåll.

Vi på PlantVision blev genast taggade och ville höra mer – det här är ju ett område som vi valt att lägga fokus på så alla erfarenheter vi hör om är värdefulla för oss.

Dock var detta projekt hos kunden pausat. Projektet hade resulterat i för många larm och därmed en ökad arbetsbörda hos personalen. De hade heller inte börjat se minskad nedtid i produktion vilket ju var syftet med initiativet.

Detta hade skapat frustration och en liten motvilja till digitalisering hos produktionspersonalen. Man känner efter detta att det finns sådant som man hellre fokuserar på än att skaffa fler system att hantera.

Projektet pausades alltså och det fanns ingen energi att ta tag i det igen även om man verkligen behövde minska nedtiden och få upp produktionstakten.

Vi vet att många organisationer brottas med denna typ av problem och det får ju oss att ständigt reflektera…. Vilka konsekvenser för ett misslyckat AI/maskininlärningsprojekt med sig och hur kan vi hjälpa våra kunder?

Här har vi samlat några av våra tips kring AI/maskininlärning i produktion…

  • Se till att ha samlat data tillräckligt länge! Mängden data är avgörande och det gäller att göra saker i rätt ordning om det ska funka. Det företag vi pratade med hade samlat data i två månader när de egentligen i detta fall troligen borde ha samlat data i 1-2 år. Har ni data sen ännu längre tillbaka? Stor fördel.
  • Samla rätt data! Gör en ordentlig genomgång över vilken data ni behöver samla. Behöver ni kanske komplettera med fler sensorer? Högre frekvens på insamlingen? Ta hjälp externt om ni behöver stöd i att göra rätt saker i rätt ordning.
  • Samla inte data i silos. Silos gör att komplexiteten blir för stor.
  • Gör projektet till ett gemensamt projekt där alla vet att det initialt kan uppkomma problem och planera in när i tiden det är relevant att börja. Se till att avsätta tid för att ha möjlighet att göra rätt.
  • Använd etablerade mjukvaror och mjukvaror som passar er typ av produktion. Det leder även till en kraftfullare framtidssäkring och ni blir inte beroende av enstaka individer.
  • Även om det är ett IT-system det landar i så behöver verksamheten vara nära inblandade i hela resan. Det är där kunskapen sitter.
  • Och slutligen och viktigast av allt… Fundera klart innan ni börjar! Är det ett AI/maskininlärningsprojekt ni behöver köra just nu eller finns det annat som borde prioriteras högre?
Viveka Wretman
Viveka WretmanConsultant Manager, Supply Chain & Production
Tel: +46 (0)8 56 85 95 04
Mikael Juretic
Mikael JureticConsultant Manager, Industry Information
Tel. +46 (0)8 401 00 32

Vi delar gärna med oss av våra erfarenheter och hjälper er att hitta rätt sätt att effektivisera.

Kontakta oss för att arrangera ett kostnadsfritt möte eller för mer information.

Go to PlantVision on LinkedIn »
Follow us on LinkedIn and stay up to date with all PlantVision’s news, events, insights, articles and career opportunities.