"Vi var inte redo"
Av Faurecia Interior som bland annat tillverkar interiörer till fordon har över 100.000 tillverkningsmaskiner över världen bland annat många formsprutningsmaskiner.
Företaget gjorde för några år sedan en satsning på att koppla upp maskinerna och samla in data från dessa. Men för att veta vilka data de behövde genomförde de ett omfattande förarbete med workshop runt om på de olika produktionsanläggningarna för att dela kunskap mellan anställda men även för att göra personalen delaktig i projektet.
– Om du inte vet vilket problem du vill lösa, hur ska du då veta vilka data som är viktiga. Därför måste du samla in mycket data, säger Stéphane Coudurier Curveur
Han var en av flera föredragshållare vid konferensen och expot FMTX 2019 i Malmö som vi bevakade tidigare i år.
Nästa steg vara att lära sig vilka möjligheter som fanns och vad som skulle passa just för Faurecia. All data som samlades in analyserades matematiskt
– Jag talar inte om AI eller maskininlärning utan att bara bearbeta den data vi samlat in matematiskt. Vi var inte redo för AI, säger Stéphane Coudurier Curveur.
Han tar ett exempel där de gjorde ett genombrott kopplat till tillverkning av en instrumentpanel som normalt görs i flera olika delar men där de vill göra detta i ett steg.Det var enligt säger Stéphane Coudurier Curveur en mardröm att tillverka. De behövde kombinera PU-film med polykarbonat och svart ABS i ett och samma verktyg. Processen var till att börja med mycket instabil.
De samlade då in data från 230 olika parametrar och hittade några parametrar som verkade vara särskilt viktiga bland annat rumstemperatur, luftfuktighet, temperatur i maskinoljan. Utifrån detta kunde de sedan styra upp processen.
– Vi började lära oss saker vi inte tänkt på och upptäckte viktiga parametrar som vi inte ägnat mycket tid åt tidigare,
Även om de inte använt AI tidigare i sitt förbättringsarbete siktar de på att börja använda det framöver för att vinna ännu mer fördelar och även kunna arbeta mer med att förutse problem.