Smart Produktion

Sammanfattning

Underhålls- och Produktionspodden diskuterar Nobelpriset i fysik 2024, som tilldelades John Hopfield och Geoffrey Hinton för banbrytande arbete inom maskininlärning och artificiella neuronätverk. Tekniken används för att effektivisera produktion och underhåll genom att mäta, analysera och optimera processer, exempelvis med hjälp av beslutsstödsystem. AI:s förmåga att förstå och förutse mönster jämförs med hur människor lär sig, och dess potential liknas vid den industriella revolutionens påverkan. Genom rätt data, vid rätt tidpunkt, kan AI förbättra tillgänglighet, effektivitet och kvalitet i både industriella och mänskliga system.

Takeaways:

• Nobelpris i fysik 2024 tilldelades John Hopfield och Geoffrey Hinton för insatser inom maskininlärning och artificiella neuronätverk.
• Maskininlärning i produktion möjliggör mönsterigenkänning och optimering av processer genom datainsamling och analys.
• Beslutsstödsystem och AI hjälper företag att hantera komplexa flöden och fatta bättre beslut i realtid.
• Mätning och förbättring: "Det du inte mäter, kan du inte styra," vilket är grunden för att öka effektivitet och kvalitet.
• Jämförelse med hjärnan: Neuronätverk fungerar som mänsklig inlärning och skapar insikter genom erfarenheter.
• Värdeflöden i industrin stärks genom att kombinera sensorer och AI för kontinuerlig övervakning av maskiners hälsa.
• AI:s betydelse jämförs med den industriella revolutionen för dess påverkan på produktion och samhället.
• Framtiden för produktion och underhåll handlar om att ge både människor och AI rätt information vid rätt tidpunkt för maximal nytta.

Tidsstämplar

• 0:39 – Presentation av pristagarna: John Hopfield och Geoffrey Hinton.
• 1:09 – Förklaring av artificiella neuronätverk och deras inspiration från hjärnan.
• 2:20 – Hinton jämför AI:s påverkan med den industriella revolutionen.
• 3:22 – Betydelsen av mätning och uppföljning inom produktion och underhåll.
• 5:43 – Maskininlärningens roll i beslutsfattande och diagnoser för industriella processer.
• 9:33 – Sammanfattning: AI och rätt information skapar värde och säkerhet.

Transkribering av avsnittet

Optimera din verksamhet med underhålls och produktionspodden och Johan Petersson.

0:10
Dagens avsnitt smart produktion, hej och välkomna till underhålls och produktionspodden. Vi blev ju väldigt glada här när det annonserades ut att Nobelpriset i fysik 2024 gick till två herrar som kommer oss ganska så nära i det vi håller på.

0:31
De som fick det är ju.

0:33
De här killarna, john hoppfild och Jeffrey hington, som då fick.

0:39
Årets Nobelpris i fysik och de prisas för sina upptäckter och uppfinningar inom maskininlärning och artificiella neuronätverk. Maskininlärning är ju någonting som vi har pratat ganska ofta om inom produktion och underhåll, alltså att vi försöker lära oss saker runt våra maskiner och nu så stoppar vi ihop det i det som är det moderna a i som bygger mycket på de här artificiella neuronätverken och väldigt kort bara det det handlar om egentligen.

1:09
Våra hjärnor lär sig att bearbeta information för att komma vidare.

1:17
I frehington, som också kallas för den moderna a i s gudfader, är den som har tagit det till vad det är idag ska vi våga påstå, men utan att John hoppfel och även en kille som hette Allan turning innan hade kommit på grunderna för det här om hur?

1:37
Atomer och olika delar i våran hjärna hanterar den här informationen så hade han kanske inte kommit fram till de här grejerna idag.

1:47
Och det här är ju ja att neuronätverken finns på det sättet är och kan liknas vid hur barn lär sig saker, alltså när vi förutse våra hjärnor har inte den informationen och kunskapen utan det byggs på efterhand och att det kan vi även göra med maskiner och datorer eller datorer då som är maskiner och att de kan lära sig de här sakerna.

2:17
Och det som.

2:20
När man intervjuade då jeff reinton, som är som sagt var gudfadern i det här, så sa han så här till kungliga vetenskapsakademien när de intervjuade honom efter att de hade tillkännagivits att de skulle få priset. Jag tror att a i kommer att vara jämförbart med den industriella revolutionen i framtiden och den industriella revolutionen vet vi ju vad den har gjort.

2:45
För oss vad det gäller att kunna producera saker inom tillverkningsindustri och alltihopa och.

2:51
Som vi brukar prata om med podden att har man någon form av produktion, ja, då har man ju underhåll också och därför så är de här sakerna någonting som vi kan koppla ihop med de sakerna vi pratar om i podden här och det vi gör dagligdags ute i våra anläggningar i våran tillverkningsindustri och även för den typen av industri där vi mer förvaltar saker.

3:14
Och, på vilket sätt gör vi det här då? Jo, vi har ju kört med de här bilderna förut. Alltså driftmaskin produktionsuppföljning.

3:22
Olika saker som vi följer upp hela tiden och vi brukar ju säga att det du inte mäter det kan vi ju inte styra alltså vad som händer i det och det du inte kan styra kan du inte heller förbättra och vi vill ju att det ska bli lite bättre varje dag. Alltså att det händer någonting. Någon form av kunskap som vi bygger upp hela tiden och detta gör vi är någonting som ingår i ett värdeflöde eller en process som går igenom våra anläggningar.

3:49
Och vi mäter ju våra processer vi kan mäta oweo till exempel och.

3:55
Och är och tak som vi har pratat om och de här sakerna mäter vi för att kunna hitta bli.

4:02
Bättre på olika sätt genom att vi förbättrar våran tillgänglighet, våran produktionseffektivitet och kvalitet.

4:10
Dom här sakerna kan ju då kombinera med det som kanske mest har kallats i UT och olika sensorer på olika sätt, alltså att vi mäter också hur våra tillgångar alltså till exempel motorer, pumpar växellådor och sånt hur de mår och hittar de om det finns någonting som inte känns riktigt bra med dem och genom att vi gör det mäter kanske flödetemperatur och allt vad det kan vara så börjar vi.

4:40
Lära oss mer om hela anläggningen.

4:43
Och.

4:44
Vi hittar mer saker som vi ska mäta ännu mer saker som vi ska mäta och plötsligt börjar ju bli ganska så svårt de här sakerna och det är nu som vi behöver ha hjälp på något sätt och hjälp tar vi inom produktion och industri och och underhåll igenom att vi har beslutsstöd och beslutsstödssystem och diagnos över hela.

5:08
Och.

5:10
Det här ska vi ju dessutom göra 24 timmar om dygnet sju dagar i veckan. Helst så vem ska göra allt det här?

5:17
Det är ju den stora frågan när vi kommer till det vi kanske har beslutsstödssystem och någon form av diagnos, men när allt ska göras hela tiden i ett ständigt flöde här, det är då de här grejerna kommer in som grabbarna här har uppfunnit och upptäckter inom alltså maskininlärning börjar förstå vad som händer med saker och ting och de artificiella neuronätverken som då blir att de.

5:43
Lär sig saker och kan börja lägga ihop olika grejer och hitta olika mönster själva.

5:50
Det är ju med bildningen igenkänning de här sakerna i sin första version.

5:56
Av grejer som kom ut och idag har vi alla möjliga olika a i program som man kan testa på olika sätt.

6:04
Och som vi sa innan att?

6:08
Rånätverken det enklaste sättet att försöka förstå det är att tänka sig ett barn som.

6:15
Var så gärna inte är full av kunskap utan ska fyllas med kunskap och hur den arbetas fram och hur vissa saker lär sig ta snabbare vägar, till exempel att en varm spisplatta är varm och gör väldigt ont. Det är någonting som inte är bra och det andra exemplet kanske är något som vi alla lider utav att.

6:39
Socker, som ger en snabb belåtenhet och glädje, men är kanske inte det bästa för våran kropp i längden, alltså. Där får du en belöning på ett snabbt sätt som gör att du väljer de här grejerna.

6:51
Och många av de här experimenten som de har gjort för att bygga sina datamodeller och bygger ju också på att de har använt och gjort tester med inte människor då med med djur för att komma fram till att så här funkar våra hjärnor så har de gjort avbilder av det och tagit tagit vidare och i sin enklaste form för att fundera på. Det här är ju egentligen för oss själva.

7:15
Alltså beslutsstöd och diagnos över våran egen pump, alltså hjärtat och där vi då kan mäta saker som till exempel att oj, jag börjar känna mig lite varm här i studion där vi spelar in podden och det känns inte riktigt bra. Min puls går upp och jag ser här till och med på min sportklocka att att syreupptagningsförmågan är inte riktigt vad den skulle vara.

7:39
Med hjälp av de här mätsakerna så gör jag en diagnos och kommer fram till beslutet att jag är förkyld och kommer vara otillgänglig i fyra dagar. Det är ju en sak som man kan som man lär sig. Det kan man ju inte som barn i när man är? Ja, jag vet inte när man läser det riktigt, men inte ens min tioåring hade kunnat ta de gjort den diagnosen tagit beslutet på det sättet. Dessutom får han ju inte, utan det måste vara en en förälder som anmäler bort frånvaro i skolan.

8:09
Men, det är vårt eget exempel på våran egen kropp och våran egen anläggning som vi ska sköta om och underhålla på bästa sätt också. Tänk på det när saker och ting när det känns att man liksom börjar känna sig lite sjuk. Ja, vad är det man? Vad som händer då temperaturen går upp, pulsen kommer gå upp och din syreupptagningsförmåga kommer också bli sämre i det läget och det är precis samma sak som händer med en pump i industrin.

8:37
Alltså, vi mäter olika saker på den, det kan vara temperaturen, det kan vara flödet. Det kan vara trycket som händer som kommer genom pumpen och dess.

8:46
Motor som hjälper till och även den kan ju då komma fram till att den är förkyld och behöver behöver vara otillgänglig i fyra dagar. Beroende på vad diagnosen är så kanske man inte behöver vara otillgänglig men tillbaka till det vi mäter. Det kanske är så att jag inte kan köra med den hastighet som jag hade tänkt mig om? Man tänker tillbaka till å e mätning och det här blir ju ännu viktigare. Det är en sak om det är en pump, då ser det är ganska enkelt, men nu har jag ju då massor utav pumpar i min anläggning och behöver.

9:17
Som går 24 timmar om dygnet, sju dagar i veckan och då behöver jag ju det här hjälpen med att kunna ta beslut om saker och ting och hitta diagnosen runt det så att jag gör rätt beslut runt saker och ting.

9:33
Och det är där som egentligen binder ihop det hela med Nobelpriset i fysik 2024 med det vi brukar säga att rätt information vid rätt tillfälle och nu är det inte bara till rätt person utan till dator och rätt a i ja, då har jag kontroll som skapar säkerhetsnytta och värde.

9:51
Det var det vi hade från underhåll och produktionspoddens nobelprogram och som vanligt till min hjälp har jag haft anna Jensen här som sköter tekniken bakom det hela. Tack för idag.