AI:s roll i underhåll och tillgångsförvaltning
”Industriell AI kan revolutionera underhållsarbetet genom att förvandla reaktiva processer till proaktiva och prediktiva strategier. Genom att använda digitalisering som verktyg kan vi fatta beslut baserade på fakta snarare än magkänsla,” konstaterar Ramin Karim.
AI Factory Project – en plattform för industriell AI
Ett av de mest spännande initiativen inom detta område är AI Factory Project, som drivs av Ramins forskargrupp vid Luleå tekniska universitet. Projektet kombinerar forskning inom tillgångsförvaltning och drift- och underhållsteknik med en teknisk plattform för att utveckla och testa AI-algoritmer.
”AI Factory Project är en paketering av flera forskningsinitiativ där vi arbetar med att utveckla algoritmer och analysera hur AI kan användas i olika industriella sammanhang. Våra projekt bedrivs ofta i samarbete med industrin och finansieras genom olika forskningsinstitut samt av Vinnova, Sveriges innovationsmyndighet som stödjer forskning och utveckling inom näringslivet, Formas, en statlig forskningsfinansiär inriktad på hållbar utveckling, och Vetenskapsrådet, som ansvarar för att finansiera och främja svensk forskning av högsta kvalitet,” förklarar Karim.
De tre centrala frågorna inom AI och industriellt underhåll
För att förstå AI:s roll inom industriellt underhåll och tillgångsförvaltning bör organisationer ställa sig tre grundläggande frågor:
- Gör vi saker och ting rätt? – Detta handlar om effektivitet och optimering av befintliga processer.
- Gör vi rätt saker? – En mer strategisk fråga som kräver ett helhetsperspektiv och rätt prioriteringar.
- Hur skiljer vi på rätt och fel? – På högsta ledningsnivå handlar det om att få in affärsperspektivet och fatta beslut som gynnar verksamheten långsiktigt.
”De här frågorna är relevanta för alla industrier och AI kan hjälpa oss att svara på dem med faktabaserad analys istället för subjektiva uppskattningar,” säger Karim.
Modelldelning – en lösning för säker datahantering
En av de stora utmaningarna inom AI-utveckling är datahantering. Många organisationer tvekar att dela sin data av affärsmässiga eller säkerhetsmässiga skäl. Ett nytt koncept inom AI-utveckling, som tagits fram inom ett av Ramins projekt, är modelldelning istället för datadelning.
”Istället för att organisationer delar sin rådata kan de exekvera en AI-modell lokalt och endast skicka tillbaka resultatet. Detta minskar risken att data används i fel sammanhang och ger samtidigt högre dataskydd,” förklarar Karim.
Nowcasting och forecasting – ett nytt analysramverk
För att förstå nuläget och kunna planera framtiden utvecklas allt fler AI-ramverk. Ett av de viktigaste är konceptet nowcasting och forecasting:
- Nowcasting fokuserar på att analysera anläggningens nuvarande hälsa och prestanda, snarare än enbart felfrekvens och historiska data.
- Forecasting handlar om att prediktera framtida hälsa för att kunna vidta åtgärder innan problem uppstår.
”Man kan likna det vid sjukvård och hälsovård. Nowcasting handlar om att diagnostisera befintliga problem, medan forecasting handlar om att förhindra framtida problem genom prediktion,” förklarar Karim.
AI-regelverk och etik – en nyckelfråga för framtiden
Med den snabba teknologiska utvecklingen kommer även regulatoriska och etiska utmaningar. EU:s nya AI-förordning, som trädde i kraft i december 2023, syftar till att skapa ett tydligare ramverk för hur AI ska användas på ett säkert och ansvarsfullt sätt.
”Den nya förordningen är en naturlig förlängning av GDPR och fokuserar på att reglera själva AI-modellerna snarare än bara datahanteringen. Det handlar om att bedöma risker och klassificera AI-system innan de implementeras,” säger Karim.
Chat-Con – branschspecifik AI för industrin
En annan intressant utveckling inom industriell AI är Chat-Con, en specialiserad variant av generativa AI-modeller som kan anpassas för specifika branscher.
”Chat-Con bygger på samma teknologi som ChatGPT, men är specialiserad på olika industrisegment som bygg, processindustri och flyg. Förutom att hantera språk har modellen funktioner för cybersäkerhet och bias-reducering, vilket gör den säkrare för industribruk,” berättar Karim.
Framtiden för AI och underhåll
AI har potentialen att radikalt förändra hur underhåll och tillgångsförvaltning fungerar. Med smarta algoritmer, säkra datahanteringsmetoder och tydliga regelverk kan AI bidra till ökad effektivitet och lägre kostnader för industrier globalt.
”Vi ser en enorm utveckling inom AI, men för att den ska kunna utnyttjas fullt ut måste vi balansera teknik och regelverk. Vi behöver snabba upp anpassningen av regelverken så att vi kan implementera ny teknologi på ett ansvarsfullt sätt,” avslutar Ramin Karim.
Men den stora frågan kvarstår: hur snabbt kan industrin anpassa sig till den nya teknologin och dra full nytta av AI:s potential?
