Produktionsdanmark har brug for kunstig intelligens
Produktionsvirksomhederne er kernen i dansk erhvervsliv og kan høste massive fordele ved at bruge AI. Det er fortsat småt med eksemplerne, men teknologien kan bidrage med meget.
Dette er et debatindlæg: Finans bringer løbende indlæg fra specialister og meningsdannere. De er alle udtryk for den pågældende skribents egen holdning.
Tiden står aldrig stille i produktionsdanmark. Ikke alene står de flittige danske produktionsvirksomheder for 40 pct. af eksporten. De hører også til blandt de mest innovative og har evnet at gennemgå en digital omstilling, som har stor betydning for deres konkurrencekraft.
Kunstig intelligens (AI) kan blive endnu en appelsin i turbanen. Med det digitale fundament på plads har danske produktionsvirksomheder alle forudsætninger for at udnytte teknologien til at blive endnu skarpere, både når den globale økonomi er oppe i gear og under økonomisk modvind.
AI er udpeget til at revolutionere måden hvorpå, virksomheder udvikler, producerer og leverer produkter. Men hvad betyder det konkret? Det fortaber sig ofte i lovprisningerne, så derfor vil jeg her give nogle eksempler på klassiske opgaver, hvor produktionsvirksomheder med fordel kan bruge teknologien.
En ekstra lup på demand forecasting
Evnen til at forudsige efterspørgsel spiller en afgørende rolle i en produktionsvirksomhed. Det er en disciplin, de allerfleste danske virksomheder mestrer godt i kraft af deres digitale modenhed. Med AI kan analysearbejdet imidlertid raffineres betragteligt, fordi man ubesværet kan inddrage eksterne datakilder og derved få endnu mere præcise forecasts på hvornår kunder vil efterspørge hvad.
Er virksomheden producent af vejrafhængige produkter som f.eks. is eller øl, kan den med fordel integrere data om vejrmønstre i arbejdet med at forudsige efterspørgslen og dermed komme endnu tættere på den optimale produktionsplanlægning, lagerbeholdning og logistik. Undersøgelser viser, at nøjagtigheden i forecasts kan stige med op til 78 pct. ved denne type inddragelse af AI.
Forecasting af behovet for reservedele kunne være et eksempel på en anden klassisk opgave, som kan fintunes med AI. Igen fordi der ikke er nogen øvre grænse for mængden af datakilder, der kan inddrages. Det kan f.eks. være vedligeholdsplaner for de enkelte maskiner i produktionen, data på hvor længe de har kørt mv. som kan give et lag af ekstra viden om, hvilke reservedele der bliver behov for hvornår i vedligeholdelsen af produktionsanlægget.
På forkant med forsinkelser
Også Supply Chain Management kan komme op i et væsentligt højere gear med AI. Der har været nogle forsøg med varer, der leveres af selvkørende biler, droner og leveringsrobotter, men det er nok ikke her, man som producent skal lægge sit AI-fokus på nuværende tidspunkt. Til gengæld kan man allerede nu få stor gavn af at bruge AI’s avancerede algoritmer og analysefunktioner til at identificere og agere på leveranceforsinkelser væsentligt hurtigere og mere agilt end hidtil.
Krisen i Mellemøsten er et aktuelt eksempel på en hændelse, som skaber uforudsigelige leveringsproblemer, og hvor inddragelse af eksterne datakilder fra shippingleverandører og logistikpartnere kan give ny viden om, hvor meget leveringstiderne på bestilte leverancer forlænges. Datakilderne findes allerede. Det nye er, at man med kunstig intelligens kan integrere dem i logistikplanlægningen, så man i tide kan omstille produktionen i forhold til forsinkede ingredienser eller komponenter, der indgår i den.
Dynamisk planlægning
Produktionsplanlægning går hånd i hånd med avanceret brug af data. Næsten alt produktionsudstyr er automatiseret i dag og kan programmeres med henblik på optimal driftsudnyttelse. Med AI er det muligt at optimere driften yderligere ved at inddrage data om de aktuelle energiomkostninger i produktionsplanlægningen.
Har virksomheden en ovn til hærdning af metal, kan den ved hjælp af AI indstilles, så de mest varmekrævende metaller hærdes om natten, hvor energien er billigst. Men ikke nok med det, varmen kan også automatisk reguleres på en kontrolleret måde i forhold til de enkelte metaltyper, der forarbejdes om natten, så der produceres mest muligt i den rette kvalitet ved lavest muligt energiforbrug.
Det er i den type komplekse beregninger - som skitseret her - at kunstig intelligens har sin allerstørste og umiddelbart tilgængelige force for produktionsvirksomheder nu. Fremtiden vil uden tvivl byde på mange andre og mere sci-fi-lignende brugereksempler, men dem skal vi hverken lade os skræmme af eller vente på.
AI er her nu, og produktionsdanmark har alle forudsætninger for at udnytte teknologien.
