Ett av de krav som har kommit från de stora köparföretagen inom fordonsindustrin är att leverantören måste mäta och redovisa sina effektivitetstal digitalt. Det kan mätas genom att man kopplar upp sina produktionsmaskiner med sensorer, som t.ex anger när maskinen producerar. Ställt i relation till tillgänglig produktionstid får man fram ett effektivitetstal. Det kan också mätas manuellt, men då blir det ett stort mörkertal och är onödigt tidskrävande, så en digital uppkoppling av maskinen är att föredra.
Mål med projektet
Holsby Metall arbetar bl.a med varmpressning och mäter redan idag till viss utsträckning, men rapporterar effektiviteten delvis manuellt. Detta pilotprojekt kommer att implementera en digital lösning för att göra effektivitetstalen kontinuerligt tillgängliga för kunden inklusive möjlighet för Holsby att i realtid visa på orsaker till effektivitetsförluster i maskinen. Dessutom vill företaget utöka antalet sensorer på maskinerna. Avsikten är att med hjälp av dataanalys och artificiell intelligens kunna hitta rotorsaker till fel och avbrott i produktionen och förebygga dessa.
Under hösten 2019 blev Holsby Metall utsedda till Årets Företagare Jönköpings län.
Resultat från projektet
Holsby har installerat en rad olika sensorer, dels för att kunna övervaka maskinerna och för att kunna beräkna effektivitetstalet (OEE-talet) som deras kund efterfrågar. Dessutom analyseras all mätdata i ett AI-system som med hjälp av maskininlärning, i samarbete med Tenfifty, har kunnat identifiera rotorsaker till fel. Det har dels handlat om variationer i den inmatade tryckluften, men framför allt har man kunnat identifiera ett samband mellan luftfuktighet och lufttemperatur i lokalen.
En viktig erfarenhet är att man kan göra många processförbättringar utan påkostad AI/maskininlärningsteknologi. Man kan ofta komma upp till produktionseffektivitet på ca 75% utan avancerad dataanalys, grafisk presentation av mätdata räcker ofta för att man ska se sambanden med blotta ögat. På Holsby Metall kunde man enkelt se tryckluftsvariationerna på detta sätt. Men sambandet luftfuktighet och lufttemperatur gick inte att se utan maskininlärning!
Det har varit tydligt att man får bäst utbyte av en AI-investering om det problem man vill lösa förekommer ganska ofta. Man måste nämligen ha åtminstone ett hundratal felhändelser innan maskininlärningen har en chans att kunna börja dra några relevanta slutsatser. Om det fel man vill eliminera förekommer endast någon gång i veckan kommer det att ta för lång tid att få tillbaka investeringen…
Vi rekommenderar följande AI-strategi:
1. Mät OEE-talet (produktionseffektiviteten) digitalt, för att utvärdera potentialen.
2. Gör en processbeskrivning, som bla visar vilka parametrar som påverkar processens säkerhet.
3. Samla data från processparametrarna och till OEE-talet. Sammanställ insamlad data och visa dem på en central panel.
4. Genomför ständiga förbättringar baserat på insamlad data.
5. Överväg AI/maskininlärning om du har uppnått ca 75% OEE/produktionseffektivitet.
Webbinarium redovisar pilotprojektet
Pilotprojektet redovisades med flera föredrag på ett webbinarium som hölls 2021-02-25. Du kan se det på vår Youtube-kanal och det är indelat i sex avsnitt:
1. Inledning med info om Almi och Inkomst 4.0
2. Holsby Metall berättar om vad som motiverat företaget att digitalisera, samt vilka erfarenheter man har
3. Grundkurs i AI/dataanalys med Tenfifty
4. Tenfifty redovisar resultaten från pilotprojektet på Holsby Metall
5. Almis digitaliseringscheckar kan hjälpa dig
6. Detta kan RISE hjälpa dig med i din digitalisering
Del 2: Beskrivning pilotprojektet på Holsby Metall
Del 4: Tenfifty om resultat från Holsby Metall