AI skal forkorte oplæring i produktionen

”Hov, hold lige øje med linje 4 i hal 4 og juster trykket”. 
Nogenlunde sådan kan en besked fra en AI-assistent på mobilen eller storskærme se ud til Sky-Lights maskinførere, når fejl eller maskinstop er under opsejling på fabrikken i Varde. 

Sådan en løsning har virksomheden, der primært fremstiller fødevareemballage såsom creme fraiche-låg eller bunde til isbægre, fået hjælp til at undersøge i et MADE Kickstartprojekt med Alexandra Instituttet. 

”Vi er blevet bekræftet i, at det er realistisk at få en AI-assistent. Mange jeg talte med, synes det lød alt for optimistisk, men MADE-projektet har vist, at det kan lade sig gøre at forkorte oplæringstiden fra 2 til 1 år. Nu har jeg et klart billede i hovedet over vejen derhen, som jeg ikke havde før”, siger Brian Rasmussen, produktionsdirektør og vicedirektør i Sky-Light. 

Brian fik ideen til projektet, da han i februar 2025 deltog i en MADE Innovationsworkshop om AI og robotter, hvor han fortalte om deres udfordring med meget lang oplæringstid. Sky-Lights produktion er nemlig kompleks. Maskinførerne skal mestre en 45 meter lang ekstruderingslinje med et væld af parametre såsom temperatur, tryk, hastighed, sensorer – og det tager typisk op til to år at blive fuldt oplært. 

“Det kræver utroligt meget viden at operere vores maskiner. Råvaren – genanvendt plast – varierer, og det gør arbejdet endnu mere komplekst. Operatørerne skal kunne lytte og se, hvornår noget er ved at gå galt, og det er ikke bare lige til”, forklarer Brian Rasmussen. 

Derfor ønskede Sky-Light en løsning, der både kunne forkorte oplæringstiden og give medarbejderne konkret sparring i hverdagen, når de arbejder med at køre plast igennem den lange ekstruder, der fungerer som en kødhakker, hvor plasten bliver presset. Det skulle ske i form af hjælp til at håndtere de forskellige sanseindtryk med rod i data og historik – fordi det koster på bundlinjen, når maskinerne ikke kører optimalt: 

”Ekstruderførerne skal kunne fornemme, hvornår det er ved at gå galt på linjen ved at lytte og se. De skal være proaktive, fordi ellers så koster det mange dyrebare timer, hvis vi får maskinnedbrud og ikke drifter”, siger Brian Rasmussen, der sammenligner blandingen til processen med en kompliceret kageopskrift. 

Alexandra Instituttet hjalp på få timer Sky-Light med at visualisere deres eksisterende data i open source-værktøjet Grafana og identificere mønstre, som eksperterne kunne tolke på. Det er nemlig svært at overskue store datamængder i Excel. 

“De ville gerne have en virtuel medarbejderassistent baseret på data, der guider nye medarbejdere med indlejret ekspertviden – lidt som en ChatGPT-løsning, der sender push-beskeder med instruktioner direkte til mobilen eller skærmen”, siger Kaspar Rosengreen, Principal Software Architect ved Alexandra Instituttet og tilføjer: 

“Vi viste dem, hvordan de kan bruge deres data til at forudse problemer en time før, de opstår. Det kræver, at data bliver bearbejdet og sat ind i en platform, så AI’en kan sende beskeder som: ‘OBS, data har opfanget dette – følg disse tre trin for at undgå nedbrud".

Læs også: Nordjylland bliver centrum for europæisk rumteknologi

Sky-Light har nu et roadmap og overblik over, hvilke data AI’en skal fodres med. De vil også afprøve et startkit fra CIM og overvejer et fremtidigt samarbejde med teknologileverandøren. 

“Når vi begynder at lagre vores mønstre og historik, tror jeg på, at vi konstant kan få 2-3 optimeringsforslag til føreren. Det vil være som at have vores skarpeste operatør stående ved siden af – hele tiden”, forklarer Brian Rasmussen begejstret. 

Virksomheden vurderer, at en løsning kan være implementeret om 2-3 år. Potentialet er stort: 
“Vi ville kunne halvere oplæringstiden, så nye førere er rigtig gode efter ét år. Det vil også reducere spild og øge ydelsen”, afslutter han. 

Kilde: MADE

/ PiB