Nyt EU-projektet skal fremme remanufacturing

Med avanceret robotteknologi og kunstig intelligens skal Teknologisk Institut sammen med en række europæiske partnere udvikle metoder og teknologier til genanvendelse af for eksempel cykler, køleskabe og robotter frem for, at de skal kasseres.
Målet med EU-projektet, RENEÉ, er at fremme en mere fleksibel og cirkulær tilgang til genfremstilling af produkter - også kendt som remanufacturing. 

”Der er uden tvivl brug for, at vi styrker vores arbejde med at genfremstille produkter, hvis vi skal opretholde den levestandard, vi har i dag. Der har været en tendens til, at man hele tiden producerer nyt, og den tankegang skal vi bevæge os væk fra. Har man for eksempel en gearkasse, der skal skiftes, så vil det i mange tilfælde både være billigere og bestemt også mere bæredygtigt at genfremstille gearkassen, så den bliver så god som ny. I stedet for at anskaffe sig en helt ny gearkasse. Og i det arbejde er der stor hjælp at hente – og generelt et stort potentiale – i kunstig intelligens og avanceret robotteknologi”, siger konsulent Mikkel Labori Olsen, Teknologisk Institut.  

Selve projektet består af i alt 16 partnere fra 9 europæiske nationer, der alle bidrager med hver deres ekspertise.

”Projektet handler i bund og grund om at skabe en mere cirkulær tilgang til produktion. Her ser vi nærmere på, hvordan vi ved hjælp af kunstig intelligens og avanceret robotteknologi kan forlænge produkters levetid – så vi ikke smider ud, men genfremstiller gamle og brugte produkter, så de bliver så gode som nye eller bedre”, fortæller Mikkel Labori Olsen.

Instituttet er ansvarlige for robotprocesserne, der skal hjælpe med at skalere de cirkulære processer op. Her vil der blandt andet blive set nærmere på, hvilke konkrete ting robotter kan være med til at reparere, samt hvordan robotteknologi overordnet set kan sikre god og effektiv genfremstilling af produkter. Det foregår blandt andet ved at arbejde med fire, konkrete anvendelseseksempler: Remanufacturing af robotter, motorer, cykler og køleskabe.

”Ved hjælp af de fire anvendelseseksempler, som er tilknyttet projektet, vil vi dykke ned i, på hvilke områder og hvordan avanceret robotteknologi kan hjælpe til at sikre en mere cirkulær genfremstilling af produkter. Målet er, at vi i sidste ende står med konkret viden og erfaring, der kan bruges til at skalere disse automatiserede, cirkulære processer op”, fortæller François Picard, som er en af specialisterne fra Teknologisk Institut.

Som en del af projektet tænker man fællesskabet ind. Man finder altså lighederne i de fire virksomhedscases, og undersøger og udvikler ud fra det.

”Det kan også betyde, at vi forhåbentlig kan bruge al den nye viden, erfaringer og teknologier i andre virksomheder og lande, så vi kan nå bredere ud”, slår François Picard fast.

Projektet i sin helhed sigter mod at implementere menneskecentrerede produktionssystemer, der er afhængige af avanceret robotteknologi og kunstig intelligens. Det sker først og fremmest for at imødekomme genfremstilling af forskellige produkter i forskellig stand.

Men det menneskecentrede er også en stor del af projektet, som samtidig med det udbredte fokus på automatisering også har til formål at fremskynde opkvalificering af den menneskelige arbejdsstyrke.

Læs også: Investeringsprogram reducerer leveringstider for europæisk-byggede maskiner

Derfor vil man i forbindelse med projektet oprette og implementere en uddannelsesplatform og et sæt operatørstøtteteknologier, der sikrer, at menneskerne, som fremover skal omgive sig med de automatiserede løsninger, har de nødvendige evner – men også har konkret viden om, hvorfor det er vigtigt, at man genfremstiller produkter og arbejder ud fra en cirkulær forretningsmodel.

”Ét er, at vi kan dykke ned i, hvordan man effektiviserer en arbejdsgang ved hjælp af automatiserede løsninger. Noget andet er, at robotløsningerne fremover skal arbejde tæt sammen med menneskeligt personale. Derfor er det vigtigt, at eksempelvis operatører får den viden og oplæring, der er brug for”, fortæller Mikkel Labori Olsen.

Hvordan kan AI hjælpe med at genfremstille produkter?

1. AI til diagnose af produkttilstand
AI vil blive brugt til at analysere og klassificere tilstanden af brugte produkter eller komponenter, som returneres til genfremstilling. Eksempelvis detektering af skader og slid på overfladen af et køleskab. Machine learning-modeller og statistiske metoder vil blive anvendt til at beslutte den mest passende genfremstillingsstrategi baseret på produktets tilstand.

2. AI til forbedret robotforståelse
AI vil forbedre robotternes evne til at opfatte og forstå deres arbejdsmiljø gennem avancerede visionssystemer og algoritmer til objektdetektion og -håndtering. For eksempel kan AI hjælpe robotter med at lokalisere et køleskabs kompressor og placering af de skruer, som skal løsnes for at kunne fjerne den.

3. AI til optimeret robothåndtering
AI kan hjælpe med at designe de mest effektive robotbevægelser og udvikle gribeværktøjer, der automatisk justerer deres greb baseret på objektets materiale og tilstand.

4. AI til at styrke interaktion mellem operatører og robotter
AI kan forklare operatører, hvilken model af produktet de ser på samt gøre det nemmere at fortolke og forklare robotternes adfærd gennem eksempelvis augmented reality. Kunstig intelligens giver ligeledes mulighed for at afgive prædefinerede, stemmestyrede kommandoer til robotten.

5. AI til simulering af genfremstilling
Digitale tvillinger tillader simulering af genfremstillingsprocesser i et virtuelt miljø, før de implementeres i den virkelige verden. Dette kan omfatte alt fra demontering og inspektion til reparation og genfremstilling af produkter. Ved at simulere disse processer kan virksomhederne identificere potentielle udfordringer ved demontering uden at risikere fysiske ressourcer.

6. AI til fleksibel produktionsplanlægning
I en genfremstillingsproces kan tilgængeligheden af materialer og komponenter variere betydeligt. AI kan anvendes til at forudsige tilgængeligheden af nødvendige materialer og komponenter baseret på historiske data og aktuelle markedsforhold.

Kilde: Teknologisk Indstitut

/ PiB