350-miljonersprojekt effektiviserar europeisk industri

Ett nytt digitaliseringsprojekt, med 43 partners i tolv länder ska revolutionera effektiviteten inom europeisk industri med hjälp av automatiserad kommunikation i hela produktionsnätverket. Projektet som leds av Luleå tekniska universitet med en budget på 350 miljoner SEK bygger på över 20 års framgångsrika forskningsresultat. Slutmålet är en fördubblad produktivitet inom dagens bil-och flygindustri, grön omställning och processindustrin i Europa.

– Det är egentligen exceptionellt. Vi har redan testat teknologin i ett stort antal branscher, och alla ser 30 - 95 procents kostnads- och tidsbesparing. Och det är i branscher där man brukar vara imponerade av resultat på 0,3 - 0,9 procents effektivisering, säger Jerker Delsing, professor i cyberfysiska system vid Luleå tekniska universitet och koordinator för Arrowhead fPVN.

Bakgrunden till det omfattande projektet Arrowhead fPVN är att digitaliseringen inom industrin inte har fått det enormt stora genomslag som den har reell potential för idag. Inom stora delar av industrin i Europa, har produktiviteten inte ökat på över 20 år. En stor flaskhals är att olika aktörer, system och maskiner inte kommunicerar med varandra automatiskt, utan fortfarande kräver en människa som översätter data mellan dem, trots att automationskapaciteten finns. Skogsindustrikoncernen Stora Enso som är en av samarbetspartnerna från industrin i projektet, lyfter vikten av att införa automatiserad kommunikation inom industrin.

– I dagens dokumentcentrerade arbetssätt skickas filer digitalt, vilket innebär att varje informationsöverföring blir unik och personberoende. Genom att automatisera den processen skapas nya möjligheter att accelerera digitaliseringen, samtidigt som man kan begränsa riskerna med manuell datahantering, säger Johnny Sundström, chef för anläggningsdata vid Stora Enso Fors.

Teknologin som implementeras ska automatisera kommunikationen i hela värdenätverk, alltså inte bara inom en fabrik, utan även mellan dess leverantörer, konsumenter och andra aktörer. Maskiner ska själva förstå vad andra maskiner säger till dem – utan att i förväg känna till vilket ”dataspråk” de använder.

– Jag tror att alla kan känna igen sig i hur man flyttar data mellan ett system och excel. Att automatisera det, utan mänsklig inblandning, är vad vårt projekt Arrowhead fPVN nu kan lösa och då pratar vi om gigantiska effektiviseringsvinster, säger Jerker Delsing.

Stora Enso är en av de samarbetsparter som ser stora effektiviseringsvinster om informationsöverföring kan ske automatiskt. Att digitalisera etablerade industrier är komplext, det kräver stora teknikkliv snarare än i små etapper.

– Projektet fPVN är den saknade pusselbiten när det handlar om att hitta nya standardiserade arbetssätt för hantering av anläggningsinformation. Det skulle inte bara frigöra interna resurser, utan också öka interoperabiliteten med bibehållen kvalitet mellan olika system och aktörer, samt minska risker under hela anläggningens livslängd, säger Johnny Sundström.

Andra samarbetspartners är till exempel Leonardo, AVL, Multiverse, Granitor, AFRY, CEA, Eurotech, Siemens, Eurostep, Semantum, Developair. Projektet som är tre-årigt finansieras av EU organet KDT-JU, deltagande länder och partners.

Kontakt: Jerker Delsing, professor i industriell elektronik vid Luleå tekniska universitet och koordinator för projektet Arrowhead fPVN, 0920-49 18 98, jerker.delsing@ltu.se, Johnny Sundström, chef för anläggningsdata vid Stora Enso Fors, 070 - 259 92 96, johnny.sundstrom@storaenso.com

FAKTA Arrowhead fPVN
Tekniken inom Arrowhead fPVN vilar på tre ben:

1. Ett nytt mikrotjänstparadigm
   En öppen, flexibel och utbyggbar informationsarkitektur skapas med en plattform för implementation inom industrin. Den möjliggör för olika enheter inom industrin att kunna kommunicera och fungera tillsammans sömlöst.
2. Industriellt accepterade och standardiserade digitala datamodeller
   Med hjälp av mikrotjänstparadigmen och så kallade ontologier och semantiska språk kan autonom översättning av information förenklas samt leda till uppdaterade standardiserade datamodeller för viktiga industrisegment.
3. Automatiserade översättningar mellan data och informationsmodeller
   Maskinöversättning av informationsmodeller som möjliggör att maskiner förstår maskiner i flexibla produktionsnätverk, utan mänsklig inblandning.