25. maj 2023
En defekt på et udslåningsanlæg i Brasilien betød, at produktionen stod stille i tre dage. Hændelsen har fået SANOVO TECHNOLOGY GROUP til at investere tid og data i et DIREC-forskningsprojekt, som inddrager maskinlæring og IoT og skal forebygge lignende nedbrud i fremtiden.
Hvert minut var dyrebart, da en kritisk maskinkomponent brød sammen, og den nye reservedel skulle fragtes hele vejen fra SANOVO i Danmark til Brasilien, hvor udslåningsanlæget i mellemtiden stod stille.
Hos SANOVO TECHNOLOGY GROUP, som er en af verdens førende virksomheder inden for udvikling og produktion af avancerede maskiner og udstyr til æggeindustrien, arbejder man på at undgå lignende situationer i fremtiden.
Derfor deltager virksomheden i et projekt ved det nationale center for digitale teknologier (DIREC), hvor de sammen med forskere fra Syddansk Universitet, Aalborg Universitet og Københavns Universitet undersøger, hvordan man ved hjælp af data kan afsløre selv små afvigelser på et produktionsanlæg.
-Hvis vi på en eller anden måde kan få et varsel, for eksempel en måned før, der sker noget med en bestemt komponent, kan vi gribe ind hurtigere og spare kunden for, at produktionslinjen står stille, fortæller Steven Beck Klingberg, som er System Manager hos SANOVO TECHNOLOGY GROUP.
Vi kan formentlig spare en del penge på rejseaktivitet, men ellers er det vores kunder, som det vil have stor betydning for. Står en maskine stille i en uge, kan det koste kunden flere hundrede tusinde Euro i tabt produktion.
– Steven Beck Klingberg, System Manager hos SANOVO TECHNOLOGY GROUP
Data sladrer om uregelmæssigheder
Virksomheden trækker flere hundrede datapunkter ud af anlæg rundt om i verden. Hidtil har man været mest interesseret i produktionsdata, men senest har forskerne altså rettet opmærksomheden mod de data, som fortæller noget om maskinens tilstand, forklarer professor Fabrizio Montesi fra SDU, som leder projektet.
-Vi bruger IoT, edge- og cloud-teknologier til at akkumulere data om funktionen af maskiner, der er implementeret i produktions- og testmiljøer. Ved at analysere disse data identificerer vi forhold og tendenser, der indikerer afvigelse fra normal funktion. Den indsigt kan så bruges til at forudsige, hvornår en maskine har brug for service.
Hans kollega på projektet, associate professor Marco Chiarandini, supplerer:
– Det særlige ved SANOVO er, at mængden af data er stor,
mens fejl på hovedkomponenten er yderst sjældne. Derfor er klassisk
overvågning og traditionelle maskinlæringsteknikker ikke egnede, og vi har været nødt til skræddersy andre datavidenskabelige teknikker til sekventiel dataanalyse.
Vil nedbringe antallet af servicerejser
Som sidegevinst kan projektet være med til at nedbringe antallet af servicerejser, et mål, som er vigtigt for SANOVO af både klimamæssige og økonomiske hensyn.
Virksomheden har servicemedarbejdere ansat i Danmark, Holland, Italien, Syd- og Nordamerika, Malaysia, Japan og Kina – hver afdeling har sit eget ekspertiseområde. En servicetekniker har mellem 150 og 200 rejsedage om året, samlet tæller serviceorganisationen lidt over 100 ansatte.
-Hvis vi kan forudse, at en maskine snart har brug for et serviceeftersyn, bliver det nemmere at planlægge servicerejserne og minimere rejseaktiviteten – og det vil kunne mærkes. Dels vil vi have bedre forståelse for, hvad der er galt, inden vi sender en servicetekniker ud i verden, så han kan have de rigtige maskindele med. Dels vil vi gerne fange problemerne i opløbet, så vi kan planlægge smartere og minimere antallet af rejser, siger Steven Beck Klingberg.
Forskere og studerende tør udfordre
SANOVO’s rolle i DIREC-projektet er at bidrage med fagviden om de relevante maskindata. Der er flere hundrede målepunkter i maskinerne, men ikke alle har betydning for maskinens kritiske komponenter.
– Vi har primært hjulpet forskerne med at finde ud af, hvilke målepunkter, der er vigtige. På den måde er vi sparringspartnere under hele processen, fortæller Steven Beck Klingberg.
At projektet er vigtigt for virksomheden, er der ingen tvivl om. En række af SANOVO’s specialister har været involveret i projektet, som også følges med stor interesse hos topledelsen.
Samarbejdet mellem forskere og en højtspecialiseret virksomhed bringer en masse ny viden og ideer på bordet, mener Steven Beck Klingberg.
– Både forskerne og de studerende, vi samarbejder med, er kanongode til at stille spørgsmål, som udfordrer os, og det har været fedt at få andre øjne på undervejs i processen. Forskerne kommer med en åben tankegang og en helt ny viden. Det har været fantastisk at få noget modspil, for man bliver nok lidt snæversynet, når man arbejder med de samme ting i den samme branche dag ud og dag ind.
Også forskerne ser en stor værdi i samarbejdet.
– Det at identificere et projekt af konkret værdi for Sanovo har været nøglen til at få støtte og interesse fra de rigtige personer i virksomheden, hvilket har været afgørende for samarbejdets succes. Alle parter har været ret åbne i researchfasen, og vi bliver alle rigere af den nye erfaring og vidensudveksling, lyder det fra Fabrizio Montesi.
SANOVO TECHNOLOGY GROUP is a world leader in process solutions for the egg industry but is also specialized in various other business areas such as enzymes, pharma, hatcheries, and spray drying of other protein sources.
The innovative engineering work for the egg industry began in 1961, and today, SANOVO TECHNOLOGY GROUP is a company with almost 600 employees and customers worldwide. With its own service and sales offices on six continents and production in Denmark, Holland, Slovakia, and Italy, SANOVO TECHNOLOGY GROUP is a global partner in the egg industry.
The overall purpose of the DIREC project ‘DeCoRe: Tools and Methods for the Design and Coordination of Reactive Hybrid Systems’ is to explore the applicability of technologies and methods for designing hybrid systems, including IoT, edge, and cloud solutions, in the industry.
Participants