HordaGruppens AI-resa

Viktiga resultat som projektet gav

Syftet är att använda ML-modeller och produktionsdata. Följande mål har uppfyllts: - i realtid visualisera processparametrarna i grafiska processfönster - mha ML-modeller förutspå framtida trenden 10 min framåt - utveckla ett dynamiskt och lätt användbart HMI - skapa en molnbaserad digital tvilling av produktionscellen - kompetensutveckling av personalen och kunder Vi har dessutom skapat ett simuleringsverktyg för att förstå processen och vilka parametrar som påverkar varandra. Detta har legat till grund för att utveckla "explainable machine learning".

Långsiktiga effekter som förväntas

Samtliga målen i projektet är uppfyllda. Dessutom har vi i början av projektet utvecklat ett simuleringsverktyg för ökad och gemensam förståelse av processen och visualisering av vilka parametrar som påverkar varandra och utifrån det har vi skapat "explainable machine learning". Det har tagit mer tid och resurser än beräknat att validera data från olika maskintillverkare och att integrera datan i den molnbaserade digitala tvillingen. Projektet har skapat konkurrensfördelar för oss på kort och lång sikt med bättre kundrelation, bättre kvalitet och högre utnyttjande av maskiner.

Upplägg och genomförande

För att kunna använda rätt ML-modeller krävdes först en validering av insamlad data. Därefter började vi med integrationen av datan till den digitala tvillingen som finns en molnbaserad lösning på en virtuell server. För att förstå processen och få dokumentation av domänkunskap skapade vi ett simuleringsverktyg (se bilaga). I den kan man simulera ändring och sedan se hur den påverkar andra parametrar och processen som helhet. Simulatorn har varit nödvändig för att få en samlad bild över processen och för att kunna använda "explainable machine learning".

Externa länkar

Publicerad på Hordagruppens hemsida, interntidning/nyhetsbrev och Facebook.