Så kan AI förändra spelplanen för tillverkande industri

Liksom i många andra branscher har dataanalys och AI utkristalliserat sig som en oumbärlig del av industrins utveckling och framtidssäkring. Men hur bygger man ett smart, säkert och automatiserat flöde som klarar att möta kraven som ställs i samband med Industri 4.0?

Samtidigt som digitaliseringstakten inom industrin går snabbt framåt finns det fortfarande många hinder att ta sig förbi för att till fullo kunna dra nytta av utvecklingens alla nya möjligheter. Så hur kan våra industriaktörer använda data för att driva effektivisering hela vägen från innovation, design, tillverkning och montering, via logistik till försäljning och predictive maintenance?

– Den främsta utmaningen med den enorma mängd data som genereras från sensorer, enheter eller människor är att ta hand om, transportera och säkra all data för att göra den användbar för industriapplikationer, förklarar Peter Werdenhoff, CTO vid HPE Sverige.

Läs mer om hur HPE & AMD möjliggör beslutsfattande i realtid.

Undvika driftstopp och förebygga fel

Lyckas du med detta är vinsterna enorma. Med hjälp av applicerade AI-modeller och analytics kan data ligga till grund för såväl bättre beslutsfattande som realtidsreaktioner under produktionen — till exempel om en maskin börjar krångla eller om ett fel har smugit sig in i produktionen. På så vis kan man arbeta förebyggande och undvika hinder som stora driftstopp eller tillverkningslinjer med tusentals defekta produkter.

– Därutöver kan bearbetad data användas för att utforma nya modeller, produkter eller flöden som enkelt kan simuleras genom implementering av det som kallas en digital tvilling. Som följd kan man se vilka effekterna blir om man justerar något i exempelvis sin produktionsprocess. Alla mätpunkter som behövs finns redan på plats och en ändring eller en ny produkt kan testas både virtuellt och digitalt, längs hela kedjan.

Dra lärdomar av helhetsbilden

På andra sidan spektrumet handlar det istället om affären. Kan du synka din lönsamhet med din produktion kan du kraftigt utöka dina marginaler. Peter exemplifierar genom en laxodling, vars kedja omfattar allt från genlaboratorium, uppfödning och slakteri, till transport och försäljning. Om de olika enheterna inte kommunicerar blir det nästintill omöjligt att dra lärdomar, utforma nya modeller och hitta brister längs kedjan. Hur får fisken rätt färg för rätt marknad? Hur optimerar man transportrutinerna och på vilken marknad får man bäst betalt?

– Nästan alla har en utmaning med att utforma en intelligent data pipeline. Det spelar dock ingen roll om det börjar i en sensor, i en kamera eller i en fisk i en fiskodling — det är ändå bara data. Det är emellertid först när man kan kombinera sina datakällor och dra lärdomar av helhetsbilden som skapas, som det blir intressant på riktigt. Det vi på HPE vill göra är att se till att alla som behöver kommer åt och förstår vilken insikt som döljer sig i all data.

Där det behövs, när det behövs

Med en bred portfölj av IT-infrastruktur, tjänster och lösningar inom bland annat AI lägger HPE grunden för att företag ska kunna göra just detta. En av bolagets kunder är en stor svensk telekomoperatör som med hjälp av HPE smidigt analyserar och kvalitetskontrollerar sitt dataflöde från edge till core till moln. Detta möjliggörs då det finns en avancerad infrastruktur i grunden som genererar den beräkningskraft som krävs för att hantera dessa enorma mängder data i realtid – på plats där data skapas. Allt detta ställer höga krav på hårdvaran.

– Ju fler mätpunkter vi har desto mer data genereras och desto mer kraft behöver man för att behandla den. Därför samverkar vi med AMD. Tack vare effektiviteten från deras processorer kan vi erbjuda våra kunder alternativet att ta en distribuerad approach till sin databearbetning. Rätt anpassad infrastruktur för hantering och analys av data resulterar i snabbare och säkrare datatransport och dessutom möjlighet att ta beslut nära enheterna – där det behövs, när det behövs, avslutar Peter Werdenhoff.