Sponseret indhold

Fysiker knuser data fra 100.000 enheder for at bekæmpe produktionsstop i LINAK

Næstefter corona-pandemier er uønskede produktionsstop noget af det, der kan holde industrifolk vågne om natten. Hos LINAK på Als bliver Data Analytics forhåbentlig det værktøj, der kan korrigere produktionen i realtid og sikre ingeniørernes nattesøvn.

Af TECH RELATIONS for LINAK A/S
Peter Gravesen (tv.) arbejder sammen med fysiker Sean Douglas Thomsen i et projekt, der analyserer produktionsdata. De forsøger at finde mønstre for, hvornår en aktuator-serie begynder at vise fejl - inden fejlene udvikler sig og fører til produktionsstop. Illustration: Linak

Et produktionsstop, hvor robotter, operatører og hele produktionslinjer pludselig står stille, koster kassen - og skal derfor undgås.

Det enkle rationale er den direkte anledning til, at man hos den sønderjyske aktuator-virksomhed LINAK er begyndt at gennemgå og analysere produktionsdata på en for LINAK hidtil uset facon.

Kan man se mønstre og registrere, når testdata fra en aktuator-serie begynder at bevæge sig mod grænsen af den tilladte tolerance, vil meget være vundet. Og kan man efterfølgende og i realtid få resultaterne kanaliseret ud til produktionsfolkene, vil sejren stort set være hjemme.

De første spæde skridt

Men ... man er der langtfra endnu, forklarer Senior Programme Manager, R&D Technology, Peter Gravesen, som for et halvt år siden tog initiativ til det tværgående teknologiprojekt ”Data Analytics på Produktionsdata”, hvori anstrengelserne udfoldes:

»Vi har taget de første spæde skridt og er begyndt at skabe os et overblik over de enorme datamængder, der genereres i produktionen. Én af udfordringerne er at få data gjort valide, så vores analyser ikke ender som garbage ind og garbage ud«, siger han og nævner, at det har resulteret i et større detektivarbejde:

»Det handler jo om, at vi skal vide, hvor og hvordan data genereres, og om der er fejlkilder undervejs. Det betyder også, at vi bruger en hel del tid på at snakke med produktionsfolkene og blandt andet spørge ind til de tolerancegrænser, de opererer med,« siger han.

Fysiker skal knuse tallene

I projektet er produktionstolerancer nemlig det helt centrale begreb, fortsætter Peter Gravesen og peger på, at hver aktuator testes fra ende til anden, før den forlader fabrikken.

Ud over at tjekke den grundlæggende funktionalitet måles der på en lang række parametre som strømforbrug, ydeevne og vibrationer ved givne belastninger. På de små decimaler er resultaterne fra aktuator til aktuator aldrig helt ens, men de skal falde indenfor et bestemt interval – den fastsatte tolerance.

Gør de ikke det, tændes de røde lamper, et produkt skal kasseres, og hvis det gentager sig, er produktionsstoppet en realitet.

»Og der vil vi absolut ikke hen,« siger Gravesen, der af samme grund har hentet det helt tunge skyts frem i form af Sean Douglas Thomsen fra virksomhedens it-afdeling. Sean er uddannet fysiker fra Aarhus Universitet og har de seneste tre år arbejdet i LINAK, hvor han med titel som IT System Consultant, BI knuser tal for ledelsen.

»Jeg har tidligere arbejdet sammen med fysikere og har kun rigtig gode erfaringer. De har en evne og en vilje til at ville se rigtig dybt i tingene og forstå dem. Det er præcist det, vi har brug for her,« siger Peter Gravesen og nævner, at der er tale om produktionsdata fra op mod 100.000 enheder pr. år – og dermed millioner af rækker, man skal have styr på.

Forstå data, og stil bedre spørgsmål

Og det er det rene guf for en mand som Sean Douglas Thomsen:

»Det er super spændende, for ud over at rense data skal vi forsøge at definere, hvordan de ideelt ser ud – og hvad der er den ideelle kombination af data – ved en given test. Når vi ved det, kan vi fremover se, hvis tallene begynder at skride og blive mere marginale indenfor tolerancen,« siger han og erkender, at det er en udfordring at finde ud af, hvad man skal fokusere på, når der på hver aktuator måles på 40-50 forskellige parametre:

»Men forstår man sine data bedre, kan man også stille bedre spørgsmål, som machine learning i sidste ende kan hjælpe med at svare på,« siger Sean Douglas Thomsen, der bl.a. har skrevet et script for konsolidering af data og benytter statistiske tests og analyser ved hjælp af R.

Fra reaktiv til proaktiv

Men én ting er at få identificeret de ideelle dataværdier og forstå deres indbyrdes relation. Noget andet er at gøre det hele til mere end en akademisk øvelse, siger Peter Gravesen:

»Forstå mig ret, der er ikke noget galt med akademiske øvelser – bare de har en slutdato, og at anstrengelserne i sidste ende bærer frugt. Derfor er næste skridt også at få data hentet ind og analyseret i realtid, hvorefter de som sagt skal ud i produktionen, så man kan foretage de nødvendige korrektioner. Det er der, vi skal ende, for at kunne være proaktive i ordets egentlige betydning,« siger han og peger på den mere reaktive praksis, som hidtil har præget produktionen.

Den har den store ulempe, at detektivarbejdet først begynder, når produktionsstoppet er en realitet:

»Vi skal så til at finde ud af, om det er den seneste sending af motorer eller mangelfuld smøring af de indre dele, der f.eks. gør, at aktuatoren trækker mere strøm, end den burde. Når vi når til bunds med vores dataanalyser, vil det arbejde derimod kunne gå i gang langt tidligere – og vel at mærke samtidig med at produktionen kører for fuld damp. Vi vil med andre ord kunne sikre, at produktionen hele tiden ligger midt på vejen og ikke nærmer sig tolerancegrænserne.«

Udfordringer og indblik

Men det kræver som sagt, at Sean Douglas Thomsen og den øvrige håndfuld af produktionsfolk, der indgår i teknologiprojektet, spænder de intellektuelle muskler og kommer til bunds i tallene. Og motivation mangler de i hvert fald ikke:

»Det er voldsomt interessante for mig at få lov til at arbejde med et helt andet område, end jeg er vant til. Normalt sidder jeg jo med økonomiske data, og nu er det pludselig produktionsdata, jeg kigger på og graver i. Dermed får man både en masse spændende udfordringer og et helt andet indblik i virksomheden via de tværgående teknologiprojekter,« siger Sean Douglas Thomsen og giver ordet videre til Peter Gravesen:

»Vi har ingen teknologiafdeling i LINAK, så alle projekter er bemandede med folk fra forskellige steder i virksomheden, hvilket fungerer rigtig godt. Det har det også gjort med det nuværende projekt.«

På vej mod fremtiden

Det nuværende projekt kommer i mål med at forstå data og komme med forslag til en egentlig implementering i produktionen. Det er et godt beslutningsgrundlag for, hvordan de efterfølgende skridt skal tages.

»Vi ved jo godt, at vi har alle de her data liggende, og det har længe gjort lidt ondt, at de ikke bliver udnyttet bedre. Men nu er vi i gang, og uanset om det bliver i regi af dette projekt eller et andet, vil udviklingen fortsætte. Mit bud er, at vi senest om fem år har en realtidsanvendelse af testdata baseret på en eller anden form for kunstig intelligens, og at vi dermed slipper for en stor del af de produktionsstop, vi ser i dag,« lyder det fra Peter Gravesen.