Artificiell intelligens kan lyfta massa- och pappersindustrin

Share this post:

Detta inlägg bygger vidare på ett tidigare inlägg där Patrick Couch presenterade hur Artificiell Intelligens (AI) kan användas inom skogsindustrin. Under våren har vi skrivit vårt examensarbete på KTH i samarbete med IBM och har där tittat närmare på användningen av AI i tillverkningsprocessen i den svenska massa- och pappersindustrin. Några av de frågor som vi undersökt handlar om i vilken grad företag i denna bransch använder sig av AI idag, vilka de största trenderna inom AI är och vilka faktorer som bromsar den fortsatta utvecklingen. Här presenterar vi några av lärdomarna från detta arbete.

AI är en språngbräda mot Industri 4.0

Framgångarna inom Artificiell Intelligens (AI) och maskininlärning har fått stor uppmärksamhet de senaste åren och den ökade medvetenheten har lett till samhällsmässiga framsteg. Vissa menar att det bara är en tidsfråga innan dessa tekniker kommer tar samhället till Industri 4.0 – en ny fas i den industriella revolutionen med en ökad grad av automatisering och datautbyte inom tillverkningsindustrin. Parallellt med detta menar en studie från McKinsey att massa- och pappersindustrin genomgår den mest omfattande transformationen på årtionden och mycket förväntas hända inom AI. Av vårt arbete framkommer att industrin sätter stor tillit till möjligheterna att integrera AI-teknik i tillverkningsprocesser och man tror att detta kommer att driva stora förändringar i framtiden.

Industrin experimenterar med AI

I vår studie såg vi att användningen av AI inom tillverkningsprocesserna i massa- och pappersindustrin varierar kraftigt mellan företag. De flesta företag har ännu inte implementerat tekniken och därmed heller inte realiserat värden med AI ännu. AI är en omogen teknik för hela industrin och de AI-projekt som bedrivs idag beskrivs ofta som ett tidigt skede av satsningar inom digitalisering och har ännu inte nått produktionen.

Det finns alltså en stor utvecklingspotential inom detta område. Den gemensamma faktorn är att företag experimenterar med AI-tekniken och testar sig fram för att hitta värdeskapande områden. Ingen vet säkert var AI-tekniken kommer vara mest lyckad, men företagen tenderar att hålla med varandra om vilka de tror kommer vara några av de hetaste områden i framtiden.

AI-trender som kan lyfta verksamheten

Prediktivt underhåll

En av de trender som företag tror att AI för med sig till tillverkningsprocesserna är ökat fokus på prediktivt underhåll (predictive maintenance). Maskinunderhåll är en nödvändighet för alla pappersbruk och står ofta för höga kostnader. Med prediktivt underhåll försöker man förutse framtida brister på maskiner och identifiera livstiden på dessa med hjälp av data från olika sensorer. Detta är ett av de områden där företag tror att AI är lättast att implementera och också kan generera högst avkastning på kort sikt. I en rapport från Capgemini sägs det att 29% av alla AI-implementationer inom tillverkande industrier är avsedda för just underhåll av maskiner och andra produktionstillgångar. Författarna lyfter även fram prediktivt underhåll som det absolut populäraste användningsområdet för AI inom tillverkningsindustrin, vilket stämmer väl överens med våra observationer av skogsindustrin.

Fortsatt integration av AI inom prediktivt underhåll kan möjliggöra att operatörer på pappersbruk får information om när den mest effektiva tidpunkten för underhåll inträffar och blir notifierade om eventuella fel i maskineriet. Detta möjliggör att pappersbruken kan genomföra smartare planering av maskinunderhåll och därigenom minska kostnader i form av minskad mängd underhåll, oplanerade driftstopp och minskad osäkerhet i tillverkningsprocesserna. Ett exempel inom detta område är ett nyligen genomfört projekt som SCA och Smurfit Kappa drev i samarbete med Luleå tekniska universitet, RISE och SKF där man testade att introducera AI för att automatisera identifieringen av maskinskador och underhållsbehov.

Fortsatt optimering av processerna och kvalitetskontroll

Ett annat lovande område är introduktionen av AI för ökad processoptimering och kvalitetskontroll. Företag inom massa- och pappersindustrin försöker effektivisera flödet i tillverkningsprocesserna genom smartare användning av råvaror och olika typer av scenarioanalys, exempelvis genom att identifiera karaktär på råmaterial i realtid. Målet är bland annat att minska variationen och samtidigt öka kvaliteten och effektiviteten på produktionen. Detta är ett lovande område för AI då det finns mycket data tillgänglig som inte används via sensorer i maskinerna och stora möjligheter att få ökad förståelse för processerna genom digitala tvillingar. Digitala tvillingar kan agera som en kopia av en tillverkningsprocess och möjliggör att företag lättare kan experimentera med komplexa AI-algoritmer.

I ett nyligen genomfört projekt av SCA, Calejo och IBM har en digital tvilling använts i samband med en AI-satsning där man försökt effektivisera användningen av vattenånga i ett pappersbruk. Samtidigt har BillerudKorsnäs, i samarbete med Peltarion och PulpEye, försökt effektivisera deras produktion genom att förutsäga med vilken hastighet pappersmaskinerna bäst ska köras beroende på önskad papperskvalitet och typ av träfiber.

AI för ökat beslutsstöd

En av de största möjligheterna företag ser med AI är potentialen att skapa ökat beslutsstöd för operatörer och därmed uppnå effektivare hantering och styrning av tillverkningsprocesserna. I vår studie såg vi att förstärkning av operatörers beslutsfattningsförmåga med hjälp av AI som en viktigare aspekt att fokusera på framför att gå vidare med fortsatt automatisering med hjälp av AI. Beslutsstöd är ett av de områden där företag tror att AI-tekniken kommer att göra störst nytta under de kommande åren, tills dess att tekniken har mognat ytterligare.

Hinder som försvårar användningen av AI

Det råder ingen tvekan om att företag inom skogsindustrin ser AI som en stor möjlighet att skapa värde. Varför används då inte AI i större utsträckning? I studien identifierade vi tre huvudsakliga hinder för den fortsatta användningen av AI i massa- och pappersindustrin som försvårar nyttjandet av denna teknik:

• Problem med att skala upp AI-projekt
• Bristande kunskap om AI
• Bristande tillit till AI

Problem med att skala upp AI-projekt

Företag upplever generellt svårigheter med att vidareutveckla idéer och “proof of concepts” inom AI till fullskaliga lösningar i tillverkningsprocesserna. Detta medför att många AI-projekt inom massa- och pappersindustrin inte når längre än till pilotfasen.

Bristande kunskap om AI

Skogsindustrin har tidigare inte varit i behov av kompetens inom AI. När större krav ställs på företag att hänga med i dagens digitaliseringstakt leder detta till ett ökat behov av kompetens inom AI. I vår studie framgår det att kunskapen kring AI generellt sett är mycket begränsad och att den kompetens som finns varierar kraftigt mellan anställda. Detta gör att ökad kompetensutveckling och fler samarbeten med externa parter blir en nödvändighet för att kunna ta AI-projekt framåt.

Bristande tillit till AI

AI-tekniken är relativt ny och outvecklad i skogsindustrin. I kombination med den bristande kunskapen om AI leder detta till svårigheter med tilltron till tekniken. Detta leder i sin tur ofta till att större satsningar möter internt motstånd.

“Om ni inte redan tänker på att använda AI, börja nu!”

Vad är då nästa steg och hur ska skogsindustrin fortsätta sin utveckling mot AI? En rekommendation från en AI-expert på Peltarion är att inte vänta. Att börja med AI-satsningen är viktigt för att inte halka efter. Fortsätt experimentera med tekniken och involvera hela verksamheten i initiativen!

/Marcus Nystad och Lukas Lindblom 

Mer rekommenderad läsning på området:

• Ett nytt samarbete mellan ForestX & Tentify där syftet var att visa hur AI kan användas för att optimera, effektivisera och förenkla processer i svensk skogsindustri
• Mer läsning om AI-projektet mellan Luleå tekniska universitet, SCA, Smurfit Kappa, RISE och SKF
• Ett samarbete mellan Voith och Metsä board där AI användes för prediktiv analys av kvalitetsparametrar och säkra produktkvalitet
• En genomgång om AI ladder av IBM