AI som produktionsstrategi
SkjernPaper, den enda pappersfabriken i Danmark, startade sin produktion 1967 och blev snabbt en innovativ ledare inom hållbarhet. Deras idé, att enbart använda gamla tidningar för att framställa papper, var något som låg före i tiden. Sen dess har innovation och nytänkade hängt med som en röd tråd inom SkjernPaper. Verksamheten har både miljömässiga och samhälleliga förpliktelser gällande cirkulär ekonomi samt som medlemmar av FNs Global Compact.
Med hjälp av de nyaste teknologierna och processerna levererar verksamheten hög kvalitet, flexibilitet och Just-in-Time-leveranser till sina kunder, med en leveranstid på under 24 timmar inom Europa. För att ta produktionen till nästa nivå så började IT-chefen att vända blicken mot Artificial Intelligence och Machine Learning.
Jag har haft koll på AI ett tag. Branschen har fått insikt i ökad effektivitet med hjälp av AI och ML. Vi beslutade oss för att göra digitalisering och produktionsförbättringar till en del av vår strategi, genom AI och ML.
IT-chef, Erik Möller
Vi på Novotek rekommenderade då Proficy CSense, ett avancerat Analytics-verktyg. CSense kan förutse framtida prestanda samt optimera processer och tillgångar. IT-chefen använde Youtube och demos för att ta del av CSense tekniska funktioner.
Om Skjern Paper
- Den enda pappersfabriken i Danmark, ägs av Buur Invest A/S.
- Tillverkar 75,000 ton papper och kartongprodukter årligen.
- Producerar med 100% återvunna fibrar.
- Levererar inom 24 timmar med Agil produktion.
De levererar papper till:
- Kartongrullen i toalettrullar och hushållspapper
- Kompositburkar
- Papperspärmar
- Kartongpärmar
- Presentpappersrullar
Se filmen för mer information
Lösningar
Produkt
Fördelar
- Övervakning av produktion
- Ständiga förbättringar, LEAN
- Proficy CSense
- Ökad produktkvalitet
- Reducerad kassation
- Mindre användning av kemikalier
- Förbättrad kvalitetskontroll
- Optimerade reglerparametrar (PID)
Projektets grunddelar
Pappersbruk har hundratals PID-regulatorer som kan orsaka processvariationer och bidra till kvalitetsproblem, om de inte är optimalt inställda. I tillägg så hade Skjern Papers team fåtal sätt att mäta papperskvaliteten i realtid, vilket även försvårade deras kvalitetskontroll. Operatörerna fick undersöka en hel pappersrulles kvalitet i slutet av en produktionskörning, vilket både involverade en försenad laboratorieanalys och oförmåga att justera produktionen tidigare i processen.
Med ett mål att reducera kassation med 5%, speciellt vid byte mellan olika produkter, hade Möller en gratis konsultation med GE-Digitals AI- och ML-expert. Efter en kort rådgivning hade Skjern Paper insikt och överblick över projektet. Teamet ville använda CSense till att:
Analysera tillgängliga data för att hitta orsaker till kvalitetsvariation och kassation
Övervaka PID-regulatorernas status för att reducera processvariation
Skapa en modell från tillgängliga data för att förutsäga produktkvalitet i realtid, vilket också möjliggör kvalitetskontroll i realtid och minskar kassation
Projektets resultat och framtid
Initiala insikter: kemikalier och kassation
Företaget byggde en modell i CSense enligt Mullen Burst Test, en industristandard för att mäta papprets fysiska styrka och fiberbindning. Genom att undersöka data upptäcktes ett fel i produktionsprocessen, nämligen för mycket kemikalier i pappersmassan. Dessa kemikalier bidrog i sin tur till kassation.
Nästkommande steg
Att företaget kunde upptäcka ett överskott av kemikalier är positivt för deras engagemang inom cirkulär ekonomi. Men förutom de inledande insikterna så tänker operatörerna nyttja CSense till AI-optimering i realtid. “Vi hjälper miljön på många sätt genom att minska användning av kemikalier och kassation samt öka vår produktionskapacitet”, säger Möller.
Planen framåt
Medan det ursprungliga projektet handlade om att vinna några snabba vinster med en liten insats och förverkliga AI:s potential har Møller en plan framåt, bland annat:
- Strukturera data för ytterligare processoptimering.
- Undersöka vilka insikter CSense kan ge inom driftstoppshantering.
- Bygga en modell för att få insikt i kapacitetstillväxt.