Forskning: Mänsklig expertis förbättrar AI i industrin

Artificiell intelligens kan bidra till effektivare produktion, men avancerade algoritmer är inte alltid tillräckliga. Ny forskning från Högskolan i Skövde visar att kunskap från fabriksgolvet kan förbättra AI-baserade lösningar betydligt.

I sin doktorsforskning har Ehsan Mahmoodi vid Institutionen för ingenjörsvetenskap utvecklat metoder som kombinerar artificiell intelligens med datorsimulering för att förbättra produktionsplanering och utformning av produktionssystem.

– Jag förväntade mig att mer avancerade algoritmer konsekvent skulle prestera bättre. I stället fann vi att enkla regler som bygger på erfarenhet från produktionen ibland kunde överträffa betydligt mer sofistikerade beräkningsmetoder, säger Ehsan Mahmoodi.

Lär AI var problemen finns

Genom virtuella modeller av produktionssystem kan ett stort antal alternativ utvärderas utan att förändringar först behöver testas i den verkliga fabriken.

Forskningen visar samtidigt att optimeringsalgoritmerna blir effektivare när de får relevant kunskap om produktionen. Det kan exempelvis handla om var flaskhalsarna finns, vilka resursbegränsningar som påverkar flödet eller vilka produktkombinationer som skapar problem.

– Även relativt enkla regler, som att undvika att producera två problematiska produkter efter varandra, kan förbättra produktionen betydligt, säger Ehsan Mahmoodi.

Genom att kombinera sådan praktisk erfarenhet med AI kan sökandet efter bra produktionslösningar styras mot mer relevanta alternativ.

Kan öka produktionen utan nya maskiner

Metoderna kan enligt forskningen hjälpa tillverkare att öka produktionen och förbättra leveranssäkerheten utan investeringar i ytterligare maskiner.

Ett effektivare utnyttjande av befintliga resurser kan samtidigt minska energianvändning och materialspill.

– Målet är att hjälpa beslutsfattare att hitta bättre lösningar snabbare. I stället för att förlita oss på försök och misstag kan vi använda AI för att undersöka många möjliga alternativ och identifiera dem som förbättrar prestandan, säger Ehsan Mahmoodi.

Nästa steg: digitala tvillingar

Nästa steg är att integrera metoderna med digitala tvillingar – virtuella representationer av verkliga produktionssystem som kontinuerligt uppdateras med driftdata.

Det skulle kunna göra det möjligt att anpassa produktionssystem efter förändrade förutsättningar i nära realtid. Forskningen ska också breddas till att inkludera miljömål som energianvändning och koldioxidutsläpp vid sidan av traditionella produktionsmål.

– Den långsiktiga visionen är ett praktiskt beslutsstödsverktyg som tillverkare av alla storlekar kan använda för att kontinuerligt förbättra sin verksamhet, säger Ehsan Mahmoodi.

Källa: Högskolan i Skövde