Med hjälp av ett nytt AI-baserat beslutsstödsverktyg ska Boliden, LKAB och Luleå tekniska universitet förutse när gruvmaskiner behöver underhåll. Målet: färre driftstopp, längre livslängd och besparingar på upp till 250 miljoner kronor per år.
Inom det PiiA-finansierade projektet Cirkulär ekonomifacilitator för gruvindustrin utvecklar Boliden, LKAB och Luleå tekniska universitet ett AI-baserat beslutsstödsverktyg som ska ge rekommendationer om optimala underhållsstrategier för mobila gruvmaskiner.
Potentialen är betydande – beräkningar visar på möjliga besparingar på mellan 40 och 250 miljoner kronor per år för branschen.
Mobila maskiner är avgörande för att hålla gruvdriften igång. De arbetar i princip dygnet runt, med endast korta avbrott för operatörsbyten. Denna kontinuerliga belastning innebär att underhåll och tillgänglighet är kritiska faktorer för att undvika produktionsstopp.
– Vi utvecklar en lösning som ger vägledning om maskinernas livslängd och det optimala intervallet för byte av viktiga komponenter, vilket kan öka produktionen och minska kostnaderna, säger Johan Odelius, universitetslektor vid Luleå tekniska universitet och projektledare.
Kärnan i projektet är att kombinera data från maskinerna – insamlad via industriellt IoT (IIoT) – med både fysiska slitagemodeller och datadrivna AI-analyser. Metoden, som kallas Physical AI, möjliggör prognoser som inte bara är tekniskt precisa utan också tar hänsyn till ekonomiska och miljömässiga konsekvenser.
En viktig komponent är utvecklingen av en demonstrator där gruvbolagen kan simulera olika underhållsstrategier, testa livslängdsförlängande åtgärder och beräkna livscykelkostnader. Målet är att ge företagen underlag för beslut som kan göra skillnaden mellan en kostsam stilleståndsperiod och en effektiv, planerad åtgärd.
I dag är det ofta maskintillverkarna som bestämmer när delar ska bytas eller när maskiner ska ersättas. Med bättre tillgång till sin egen driftdata kan gruvbolagen själva fatta dessa beslut.
– Vi tror att det finns en optimal tidpunkt för utbyte eller nyinvestering och vårt system kommer att kunna beräkna den, säger forskaren Taoufik Najeh, biträdande universitetslektor vid Luleå tekniska universitet.
Projektet är just nu halvvägs. Sensorer installeras på maskinerna för att samla in den stora mängd data som behövs för att träna AI-modellerna. Nästa steg är att integrera dessa modeller i ett grafiskt användargränssnitt (GUI) som ger tydliga och handlingsbara rekommendationer inför underhåll och maskinbyten. Ambitionen är att beslutsstödet ska vara enkelt att använda och anpassat till gruvbolagens vardag.
– Tekniken kan förändra hur vi ser på livslängd och underhåll av industriella maskiner. Den kan bli en viktig pusselbit i övergången till en mer hållbar gruvindustri, säger Najeh.
Projektet koordineras av Luleå tekniska universitet tillsammans med Boliden och LKAB. PiiA – Processindustriell IT och Automation – är processindustrins strategiska innovationsprogram och har sedan starten 2013 finansierat omkring 300 projekt. Dessa har bidragit till digitalisering och hållbar omställning inom branscher som gruvor, skog, livsmedel, läkemedel och energiproduktion.
Programmet drivs av RISE och finansieras av Vinnova, Energimyndigheten och Formas.
