Professor Walter menar generellt sett att industriledare inte verkar vara oroliga över den nya tekniken:
– Snarare funderar man mer över hur medarbetarna ska ta emot den. Innan företag investerar i exempelvis en ny robotpark behöver ledningen ta på sig medarbetarnas glasögon, säger han och fortsätter: ”Hur påverkar den nya tekniken arbetet för operatören, mellanchefen, ekonomen med flera? Vilka nya kompetenser behöver de?”
– Det fungerar oftast inte att först ta in tekniken och sedan ta reda på vilken ny kunskap och lärande som behövs. Om resultatet ska bli optimalt måste personalen delta i processen från start. På så vis kan kostsamma misstag undvikas och omställningen blir smidigare och snabbare.
Forskar tillsammans med industrin
Lars Walter och hans forskarkollegor på Högskolan Väst fördjupar sig sålunda i frågor kring hur industrin kan integrera medarbetarna i teknikomställningen på ett bra sätt. I ett av flera pågående forskningsprojekt, A-HIL, identifieras exempelvis nya arbetsmodeller och kritiska faktorer för organisering och lärande. Det handlar om integration mellan artificiell och mänsklig intelligens i projektet A-HIL.
– Här handlar det om att förstå hur artificiell och mänsklig intelligens kan integreras på ett smart sätt i företagens digitaliseringsprocess. Det är en stor lärprocess för alla funktioner i företaget.
Dyrt med oplanerade stopp
Men det finns flera intressanta projekt, som exempelvis handlar om problematiken kring produktionsstopp.
– I projektet Restart studerar vi hur oväntade produktionsstopp uppstår, hur man kan undvika fel och skapa lösningar som underlättar återstart, exempelvis med hjälp av ett AI/AR-system för operatörer och underhållspersonal, säger Walter.
Bakgrunden är att korta, långa och oplanerade stopp i automatiserade produktionsprocesser är dyra, ofrånkomliga och kan inte förutspås och därför inte hanteras i förväg i system- och processmodeller. Utifrån fördjupade behovsanalyser av vanligt förekommande fel vid produktionsstopp är målet att designa ett AI/AR-system för operatörer och underhållspersonal som underlättar återstart av produktionen.
I automatiserade produktionsprocesser sker det oplanerade stopp orsakade av att verktygsbrott, materialfel, ohanterade programsituationer eller mänsklig intervention. Återstart av en maskin, eller delar av produktionen (produktionsavsnitt) är en komplex process som innefattar tre övergripande faser:
1) identifiering av maskintekniska fel, diagnos och felsökningsmetoder,
2) informationsprocesser och systemsstöd, och
3) mänskligt handhavande och kompetens, för att återstart i ett säkert maskin- och systemtillstånd.
Idag finns det ingen universallösning utan varje situation måste hanteras av operatörer med stöd av underhållspersonal.
Projektet adresserar problemställningar som i grunden är ett socio-tekniskt område vilket kräver en helhetslösning, där produktionstekniskt kunnande interagerar med digital och mänsklig kompetens. Studierna och möjliga digitaliserade lösningar utgår ifrån industriella och reella problemställningar i tillverkningsindustrin.
Fördjupade behovsanalyser
Målet är att fortsätta med fördjupade behovsanalyser av oplanerade produktionsstopp och relevanta återställningsprocesser hos partnerföretagen. Baserat på kontinuerliga analyser avser projektet att designa en prototyp för ett AR/AI-baserat operatörsstöd som underlättar återstart utifrån perspektiven maskinfel, systemfel och mänskligt handhavande.
I samråd med partners digitala underhållssystem kommer dessa att testas och vidareutvecklas.
Vidare kommer en AR/AI operatörsstödsprototyp att utvecklas för att underlätta feldiagnoser av återstartsprocessen. Den avser att ge praktisk AR-vägledning anpassad till specifika stoppsituationener med stöd av erfarenheter och kunskaper hos operatörer och underhållsexperter. Vägledningen kommer baseras på feldiagnosstrategier som förinspelats av operatörer och underhållsexperter. För att spela in och representera dessa strategier kommer olika spjutspetsteknologier att undersökas inklusive AI-baserade sekvenseringsmetoder, ögonspårning och metoder för AR-baserad subtil vägledning.
