DFusion - Data Fusion av störningsdata

På grund av produktionsstörningar (PS) är idag nästan 50% av den svenska produktionskapaciteten outnyttjad. Störningar har många orsaker, t. ex. utrustningsfel,  processavvikelser, kvalitetsproblem, personalbrist eller felhantering. Förbättringar i företagens hantering av störningar leder omedelbart till högre produktivitet och effektivitet i produktionen. Dessutom har störningar betydande inverkan på miljömässig och social hållbarhet. Dels bidrar en ökning av störningar i produktionen till mer restavfall och ett större behov av råmaterial och energi. Dels gör störningar att produktionspersonal hamnar i osäkra tidspressade situationer som ofta kräver improvisation – vilket i sin tur leder till att de utsätts för farliga situationer. Sammanfattningsvis, för att skapa och driva resilienta, effektiva och hållbara produktionssystem, måste företagen hantera störningar effektivt.

För att åstadkomma detta utvecklade projektet metoder där data från olika källor i produktion sammanfogas (data fusion). Därigenom erhölls bättre dataunderlag för kategorisering, prioritering och analys av PD. I tre industriella fallstudier på Nolato Gota, Nord-Lock, and Nexans utforskades data fusion med två eller fler datakällor, t.ex. genom att kombinera PD-loggar med videoströmmar, sensordata och/eller data från underhållssystem. Stöd för dessa fallstudier gavs från lösningsleverantörerna i projektet - EyeAtProduction, Good Solutions, IFM Electronic, och Qestio. Baserat på sammanfogad data utvecklades analysverktyg för PD med  bl.a. dataöversikter och rekommendationssystem för prioritering/kategorisering, baserat på state-of-art inom dataanalys, maskininlärning och AI. Målet med detta system var att underlätta arbetet med att förebygga, analysera rotorsak och åtgärda störningar, vilket i sin tur leder till förbättrad Tillgänglighet, Anläggningsutnyttjande och Kvalitet i produktion (TAK-värde, OEE).