Kloge robotter skal forhindre produktionsnedbrud for milliarder

Hvert år taber globale virksomheder milliarder på driftsforstyrrelser og produktionsstop som følge af rutinemæssigt vedligehold af robotanlæg.

Ifølge rapporten ”An AI Nation”, som er udgivet i samarbejde mellem Innovationsfonden og McKinsey & Company, koster driftsforstyrrelser og unødvendig service private virksomheder mellem 14-19 milliarder årligt.

Det har fået et hold forskere fra SDU, DTU, ITU og Alexandra Instituttet til at gå sammen med en række store danske virksomheder i et ambitiøst forskningsprojekt. Projektet skal afdække, hvordan kunstig intelligens og data-drevne metoder kan løse problemet, så virksomhederne har mindst mulig spildtid, hvor produktionen står stille.

I fremtiden skal robotter vedligeholde sig selv

Robotter bruges i dag over alt i produktionen – i vindmølle-, elektronik-, medicinal- og fødevareindustrien er det i dag i høj kollaborative robotter, som udfører arbejdet, forklarer Emil Stubbe Kolvig-Raun.

Han er softwareingeniør og erhvervsPhD ved Syddansk Universitet og ansat hos robotvirksomheden Universal Robots, som spiller en hovedrolle i forskningsprojektet. Universal Robots er verdens ledende producent inden for kollaborative robotter.

– Kollaborative robotter er robotarme bestående af led, som kan bevæge sig inden for forskellige frihedsgrader. For enden af robotarmen kan påsættes et eller flere eksterne værktøjer, og efterfølgende programmeres robotten til at bevæge sig i henhold til arbejdet, der skal udføres, forklarer han.

Hidtil har vedligeholdelse af robotanlæg været basereret på tid, så man fx hver tredje måned eller en gang om året kører rutinemæssig service på et anlæg, men ved hjælp af kunstig intelligens er det fremover muligt at forudsige, præcis hvornår et robotanlæg kræver vedligeholdelse og hvilken type vedligeholdelse, der skal sættes ind med, forklarer Emil Stubbe Kolvig-Raun.

Kan man på den måde planlægge vedligeholdelsen, så produktionen forstyrres mindst muligt, er der kæmpe besparelser at hente. Kunstig intelligens gør det fx muligt ud fra diverse faktorer omkring anlægget – fx vind-, fugt-, slitage og andre forhold, som har betydning for udstyrets tilstand – at beregne, hvornår vedligeholdelse er nødvendig. Det betyder, at man kan forebygge nedbrud og sikre, at robotterne bruges hensigtsmæssigt, så levetiden forlænges.

– Vi har integreret robotter centralt i den globale produktion, fx har man måske 70 robotter stående – det er lavt sat – og der skal være flere af dem, som går i stykker, før det kan betale sig at lukke et helt område ned, for så længe anlægget står stille, går man glip af produktion og taber penge.

– Hvor man i industrien tidligere har arbejdet med betingelsesbaseret monitorering, arbejder vi altså nu hen imod predictive maintenance og på sigt self-maintenance. I sidste ende er målet, at robotterne skal kunne måle deres egen sundhedstilstand, genkende fejlsymptomer og reagere på afvigelser. Det kan lade sig gøre, hvis robotten bliver bevidst om, hvilke data der bør indsamles, og ved hjælp af metrik forstår, hvad det betyder, siger Emil Stubbe Kolvig-Raun.

Forskningsprojektet ’Edge-based AI Systems for Predictive Maintenance’ finder sted i et samarbejde mellem forskere fra SDU, DTU, ITU, Alexandra Instituttet – og fra erhvervslivet Universal Robots, Novo Nordisk og Otavic.

Projektet strækker sig over en 3,5-årig periode og har et budget på 12 mio. kr. DIREC har investeret 6,3 mio. kr. i forskningsprojektet, som afsluttes i 2024.

Det er vigtigt, at vi kan regne med vores robotter. Når vi fx sender robotter til månen og har dem på stor afstand, er det nødvendigt at planlægge i lang tid i forvejen. Vi skal kunne monitorere dem effektivt, før vi med sikkerhed kan forvente, at de er driftssikre i forskellige pressede situationer.
Emil Stubbe Kolvig-Raun, erhvervsPhD, Syddansk Universitet

Læs mere her:
An AI nation: Harnessing the opportunity of artificial intelligence in Denmark