8. juni 2023, kl. 11:22
Filterspecialisten C.C. Jensen har i et MADE-projekt med brug af maskinlæring og elektrificering reduceret energiforbruget til tørring af oliefiltre med en faktor 10 og samtidigt reduceret produktionstiden markant. Og potentialet i industrien er enormt, fremhæves det.
Gennem et MADE FAST ph.d.-forskningsprojekt med Aarhus Universitet har filterproducenten C.C Jensen ved at koble sensorer på deres systemer og lade maskinlæring forudsige, hvornår tørhedsgraden er helt rigtig, opnået dét, der betegnes som en faktor ti i reducerede opvarmingsopkostninger.
Ifølge teknisk direktør i C.C. Jensen, så har systemet, der er implementeret i virksomhedens produktion i Hasselager, endvidere har opnået en øget produktionshastighed på grund af 37 procent reduceret gennemsnitlig tørretid pr. filterindsats.
Det her i sin tur resulteret i en voldsom forøgelse af produktionskapaciteten.
Ifølge Made er en del af forklaringen, at C.C. Jensens tørreproces på fabrikken var den mest energitunge proces for virksomheden.
Samtidigt med ibrugtagning af maskinlæringsmodellen har filterproducenten også konverteret fra at bruge træpiller til elektricitet med varmepumper, der nu er varmekilden til at tørre filtrene.
Professor på Aarhus Univeristet og medvejleder på ph.d.-projektet, Peter Gorm Larsen, kan dog ikke skjule sin begejstring over resultatet med selve maskinlæringsdelen af projektet:
”Det er fabelagtigt. Jeg havde aldrig forestillet mig, at man kunne reducere med en faktor 10 i forhold til energi. C.C. Jensen har jo nok tidligere gået med livrem og seler: De har villet sikre, at deres filtre altid lever op til en høj standard," udtaler han, ifølge MADE, og fortsætter:
"Det er jo kvalitet, vi lever af i Danmark. Det er klart nok, at de også sparer tid, når der kun er behov for at have ovnene tændt i en tiendedel af tiden”.
Han uddyber, at potentialet for maskinlæring er enormt, hvis det ikke er livsafgørende, at modellen svarer rigtigt i 100 procent af tilfældene.
En maskinlæringsmodel vil aldrig være perfekt, men den er brugbar, når den er bedre til at udføre arbejdet end mennesker – altså simpelthen laver færre fejl, og i eksemplet her er computeren bedre til at forudsige det end det menneskelige øje.
I en tørreproces er 95 til 99 procent nok til at forbedre processen, men det samme er ikke tilfældet, hvis teknologien eksempelvis skal kontrollere selvkørende biler midt inde i byen.
Der er altså ingen garantier for, at maskinlæring vil virke, men der er god sandsynlighed for det, hvis en produktionsvirksomhed har regulære data, konstaterer han.
