Skador på pappersmaskiner ska förutses och förhindras med hjälp av artificiell intelligens. Genom att integrera metoder för analys av sensordata med språkteknologi för analys av skriftliga bedömningar av maskinskador ska rutinmässiga sysslor automatiseras, för att möjliggöra ett ökat fokus på proaktivt underhåll och underlätta utbildningen av personal. Det är målet med projektet KnowIT FAST som koordineras av Luleå tekniska universitet.

Tillståndsövervakning används inom processindustrin för att maximera utrustningens tillgänglighet, få jämna produktegenskaper, öka säkerheten i arbetsmiljön och minimera produktionsförluster och materialåtgång. I synnerhet är detta fallet för tillverkning av kraftpapper på grund av det stora antalet roterande komponenter i en pappersmaskin. Med ett toppmodernt övervakningssystem kan underhållsingenjörer identifiera och studera de flesta lagerskador i en pappersmaskin flera månader innan skadans signatur motiverar utbyte. Flera års utbildning krävs dock för att göra sådana analyser och fatta rätt beslut, och mänskliga resurser är en flaskhals i vidareutvecklingen av förebyggande underhåll som krävs för att undvika oplanerade stopp och maximera utrustningens prestanda. I det här samarbetet mellan processindustrin (Smurfit Kappa Piteå, SCA Munksund), SKF och forskare i maskininlärning (LTU och RISE) ska vi utveckla och demonstrera koncept för automatisk karakterisering av maskinskador med hjälp av maskininlärning för integration av tillståndsindikatorer och kunskap i textbeskrivningar av larm och skadeanalyser. Syftet är att automatisera rutinmässiga sysslor, så att underhållsingenjörerna kan fokusera på mer komplexa uppgifter och utveckling av förebyggande underhåll. Vi ska även förbättra gränssnittet mellan människa och maskin för effektiv kunskapshantering och utbildning. Projektet bygger på en förstudie finansierad av Process IT Innovations. Utvecklingen av verktyg för integration och digitalisering av domänkunskap motiveras också av ett generellt behov av skalbara maskinövervaknings- och beslutsstödinnovationer, till exempel för maskinprestanda- och fjärrövervakningstjänster.

I projektet deltar förutom Luleå tekniska universitet även forskningsinstitutet RISE, SCA Munksund, Smurfit Kappa Piteå och SKF. Projektet omsätter drygt nio miljoner kronor och finansieras av de deltagande parterna och Vinnova via programmet PiiA (Processindustriell IT och automation).