Maskinerna blir sina egna doktorer

– På många sätt är svensk industri väl förbered för omställningen mot en mer resurssnål och effektiv verksamhet, men när det gäller maskinutrustningars tillgänglighet finns det mer att göra, säger Andreas Archenti, verksam hos Industriell produktion och Hållbar produktionsutveckling vid KTH.

Slitage i maskiner påverkar alla aspekter av hållbarhet. Om förändringar inte hittas i tid påverkas noggrannhet och precision, som i sin tur påverkar kvaliteten. I värsta fall kan maskinerna haverera och stanna.
Men tänk om maskinerna kunde ”ta tempen” på sig själva och rapportera när de kände att det fanns saker som skulle kunna ställa till problem.
 
Det här är vad Andreas Archenti och doktorand Károly Szipka brinner för. Deras forskning handlar om att skapa självdiagnostiserande system. Genom att montera in smarta givare, alltså sensorer, i verkstadsmaskiner och industrirobotar kan den fysiska kontrollen automatiseras.

– Tanken är att maskinerna ska kunna göra en hälsokontroll på sig själva och känna av vad som påverkar deras fysiska beteende. Vara sin egen läkare, helt enkelt. Genom att sätta in rätt typ av givare som mäter systemens olika fysikaliska egenskaper och med hjälp av maskininlärning kan man låta utrustningen lära sig att diagnostisera sig själv, till exempel ”idag känner jag mig lite sned så då kanske jag måste justera några parametrar”, exemplifierar Andreas Archenti.

Visst mäts tillståndet hos maskinerna idag. Men att leta fel är tidsödande och kostsamt. Utrustningen är ofta dyr, ställtiderna långa och dessutom krävs i många fall manuell handpåläggning av högutbildade tekniker eller ingenjörer, ibland i besvärliga miljöer. Kontrollerna blir hela tiden avvägningar mot konkurrenskraften.

– Genom att kombinera avancerade algoritmer med stor beräkningskraft har vi en bra grund för att identifiera och prognosticera maskiners beteende. Men något fattas fortfarande: rätt data. Och vår utgångspunkt är metrologi där systemens fysikaliska beteende mäts. Här finns stora blinda kunskapsfläckar idag, förklarar Károly Szipka och får medhåll av Archenti:

– Vi måste ha precisionsverktyg som kan liksom en kirurg öppna upp och identifiera den egentliga orsaken till skador och avvikelser i maskiner.
I ett labb på KTH har de tillsammans med företag och studenter byggt en egen testbädd som med en egen mätmetodik beräknar just grundorsaken till variationerna i det fysiska beteendet. Testbädden består av två styrda linjära axlar kombinerade med mekanik där fel kan injiceras.

– I många fall har vi sett att man inte alltid har mätt rätt saker, eller man mäter för sällan. Och mäter man fel parametrar så adderar man osäkerhet till beräkningarna och förutsägbarheten går förlorad, förklarar Andreas Archenti.
 
– Vi vill bygga bort osäkerheten. Den viktigaste parametern i maskinerna är att få till precision, och för det behövs spårbarhet, alltså att vi förstår vad som händer. Och här behöver vi stora mängde data. Men igen: rätt data, säger Károly Szipka.

– Med vår metodik kan maskiners hälsa mäts när maskinen har tid.

Potentialen för automatiserade hälsokontroller hos maskiner är stor, enligt Károly. De har redan gjort flera demoprojekt hos några större företag och metoden har också blivit grunden till det företag de startat – Ipercept Thechnology – med hjälp av KTH Innovation. Och de man hittills har varit i kontakt med är entusiastiska. I framtiden kommer metodiken förhoppningsvis att kunna appliceras på annat än verktygsmaskiner och robotar.
 
– Vi tror att vårt arbete kan ha betydande impact ur alla hållbarhetsaspekter – socialt, ekonomiskt och miljömässigt. Så det är inte bara ett kul ämne att forska på, det kommer verkligen kunna göra stor nytta, avslutar Károly Szipka.

Mer om Ipercept >> www.ipercept.io