Hur kan data och artificiell intelligens effektivisera pappersindustrin?

Foto: BillerudKorsnäs

Svensk processindustri har en hög automatiseringsgrad jämfört med många andra industrier, vilket gör att mycket data produceras. Frågan är hur vi hanterar denna data på bästa sätt för att öka konkurrenskraften.


I april 2017 beviljade Vinnova finansiering till sex nya spjutspetsprojekt. Syfte med satsningen är att öka tempot i digitaliseringen av svensk industri. Ett av dessa projekt var Deep Process Learning, ett samarbete mellan BillerudKorsnäs, PulpEye, Peltarion, RISE SICS Västerås och FindIT. Projektet syftar till att visa hur Deep Learning kan användas för att tolka den stora mängd data som genereras i pappersindustrin och därigenom öka automatiseringsgraden. 

Deep learning jobbar som den mänskliga hjärnan

Deep learning har den mänskliga hjärnan som förebild. Med hjälp av smarta algoritmer låter man systemet bygga upp kunskap stegvis, precis som vi människor gör. Man börjar med ett första lager indata. Ju mer kunskap systemet får, desto fler lager bildas. Snart kan systemet se mönster, tolka och agera. Deep learning används redan idag bland annat för att upptäcka datorvirus, tolka bokslut och förhindra epilepsianfall. 

Vinnovaprojektet Deep Process Learning kommer att använda processdata från en kartongmaskin i Gävle, inklusive en stor mängd fiberdata. Målsättningen är att djupinlärning av processen ska leda till förslag på åtgärder som förbättrar utvalda nyckeltal. I ett första steg ska resultaten ge vägledning till hur operatörerna ska styra processen och på sikt till ökad automatisering.

– Det vi vill uppnå i projektet är att utveckla ett verktyg som operatörerna kan använda som beslutsstöd för att styra processen till önskad kvalitet och därmed bland annat minska mängden kvalitetsutskott berättar Helena Tufvesson, projektmedlem från BillerudKorsnäs. 

Pär-Erik Martinsson på FindIT håller med och tillägger att resultaten från projektet kommer att öppna dörrar för andra områden inom processindustrin. 

– Artificiell intelligens, big data och deep learning är hett. Alla pratar om det, men det är inte så många som gör någonting, min förhoppning är att den här förstudien faktiskt kan leda till att vi tar ett rejält digitaliseringskliv i processindustrin, säger han.

Uppstart för projektet


Under oktober och november ska alla delar komma på plats i projektet. Bland annat ska en fiberanalysator från PulpEye installeras. Därefter börjar insamlingen av data, som pågår fram till augusti 2018. Förstudien ska vara klar i maj 2019 och då förväntas projektet leverera en möjlig lösning på hur man skulle kunna jobba med deep learning i processindustrin.  I april 2017 delade Vinnova ut finansiering till sex projekt. Syfte med satsningen är att digitalisera svensk industri. Ett av dessa projekt var Deep Process Learning, ett samarbete mellan BillerudKorsnäs, PulpEye, Peltarion, RISE SICS Västerås och FindIT. Projektet syftar till att visa hur Deep Learning kan användas för att tolka den stora mängd data som genereras i pappersindustrin och därigenom öka automatiseringsgraden.

Projektgrupp

Projektgruppen samlad.
Från vänster: Tomas Storjsö, PulpEye, Mats Tallfors, RISE, Elsa Vaara, RISE, Ksenija Komazec, RISE, Pär Erik Martinsson, FindIT, Malin Rosqvist, RISE, Olle Steffner, BillerudKorsnäs Gävle, Helena Tufvesson, Billerud Korsnäs Gävle, Christer Erlandsson, Peltarion.



För mer information om Deep Process Learning kontakta: 
Pär-Erik Martinsson, FindIT, 026 - 24 17 72 eller par-erik.martinsson­@findit-solutions.com.