Förbättrade dataanalyser ska öka den svenska produktionskapaciteten - Nexans bidrar i forskningsprojekt

Tillsammans med RISE och Chalmers ingår Nexans i det svenska forskningsprojektet DFusion. Här använder man insamlad data för att kunna öka produktionskapaciteten i syfte att arbeta smartare och mer hållbart.

1 + 1 kan bli 3. Det är tanken när flera datakällor analyseras samtidigt för att ge mer information än när varje källa analyseras var för sig. I oktober 2021 startade DFusion, ett treårigt forskningsprojekt finansierat av Vinnova, Sveriges innovationsmyndighet.

Beräkningar har visat att uppemot 50% av den svenska produktionskapaciteten kan vara outnyttjad på grund av olika slags produktionsstörningar. Förbättringar i hanteringen av dessa störningar skulle omedelbart leda till högre produktivitet och effektivitet i produktionen. Något man nu vill ta fasta på genom att mäta och analysera data för att bättre kunna utnyttja produktionskapaciteten i svenska företag. 

Nexans är ett av företagen som fått chansen att vara med.
– Vi ställer upp med personal och tid. I gengäld får vi hjälp av experter inom området från Chalmers och RISE, säger Perparim Sylejmani, Digital Factory Leader på Nexans.

Hjälp med analys
Nexans är inne i en intensivdigitaliseringsresa. För att företaget ska kunna vara tillräckligt skarpt, konkurrenskraftigt och effektivt i produktionen måste många processer förändras.

Det är lätt att göra en önskelista över saker - som exempelvis att upptäcka produktionsstörningar innan de hinner skapa problem och att minska svinn genom att använda plast, koppar och aluminium i precis rätt mängd utan att varken slösa eller underdimensionera.
– Vi har samlat in mycket data och vi kommer att få in mycket mer. Men vi behöver hjälp att analysera den, bland annat bestämma vad vi ska titta på och hur vi bäst ska arbeta med den information vi får, säger Perparim Sylejmani.

Mer självständiga operatörer
När data samlats in från produktionen kommer möjligheten att öppna upp sig för att använda avancerade datadrivna metoder som maskininlärning/artificiell intelligens (AI).
– Inom DFusion-projektet vill vi använda datafusion och i förlängningen AI för att fördjupa de insikter vi får från produktionsdata. Det kommer att ge nya datadrivna beslutsstöd åt flera roller inom företaget, exempelvis till operatörer, underhåll, kunder eller kvalitetsansvariga, säger Wilhelm Söderqvist Vermelin som doktorerar i Predictive Maintenance på RISE.

Medverkande i projektet:

RISE
Wilhelm Söderkvist Vermelin
Sandra Mattsson
Jutta Hildenbrand
Per Gullander
Camilla Lundgren

Chalmers
Adriana Ito
Torbjörn Ylipää
Anders Skoogh