Åtta frågor till Ramin Karim, professor i drift- och underhållsteknik vid Luleå tekniska universitet. Hans forskning är inriktad på tillgångsförvaltning, drift och underhåll med särskild fokus inom industriell AI, kvantteknologi och digital teknologi.
Ramin Kari leder flera projekt i nära samarbete med industriföretag och är forskningsledare för AI Factory, en plattform för utveckling av lösningar baserade på framväxande teknologier såsom industriell AI.
Berätta övergripande om din forskning och dess syfte.
–Min forskargrupp bedriver forskning som utforskar hur AI kan nyttjas för att optimera drift, underhåll och tillgångsförvaltning. Vi har genom åren samverkat med aktörer i flertalet sektorer, däribland transport, järnväg, gruvnäringen och dess maskinleverantörer, processindustrin samt ståltillverkning.
En fördel med att använda sig av AI i underhållssammanhang är att det ofta innebär en ökad konsekvens i beslutsfattandet. AI-modeller agerar helt enkelt mer konsekvent än vad vi människor vanligtvis gör. Det innebär en ökad förutsägbarhet, vilket i förlängningen leder till en ökad beslutssäkerhet.
Hur kan AI nyttjas för att effektivisera ett företags drift och underhåll?
–AI har många tillämpningsområden men kan sannolikt bidra med allra störst nytta när det kommer till beslutsfattande och beslutsprocesser. AI kan användas för att få fram bättre beslutsunderlag från exempelvis reservdelsoptimering, underhållsaktiviteter, resursplanering. tillståndsbedömningar och inspektioner. AI kan även användas för beslutsautomation, alltså som verktyg för att automatisera beslutsprocessen.
AI kan bland annat automatisera beslut inom logistik eller optimerade logistiska flöden så en produktionsanläggning kan leverera enligt den förväntade kapaciteten. När många parametrar behöver beaktas och mycket data bearbetas så är AI och digitaliseringsteknologins förmåga att bearbeta stora datavolymer snabbt och med mycket hög kapacitet en stor tillgång.
Hur nära är vi att se kvantteknologin tillämpas i praktiken?
–Intensiv forskning pågår för närvarande, dels med fokus på hur kvantdatorernas hårdvara bör utformas, dels kring tillämpningen av kvantdatorer med fokus på exempelvis avancerad modellering, att bearbeta större datamängder och att de beskriva faktiska fenomen på ett mer exakt sätt.
Kvantdatorer har sammanfattningsvis förmåga att erbjuda ett bättre beslutsunderlag. Vi befinner oss än så länge bara i början av kvantdatorernas utveckling, dess tillämpning i företagens dagliga verksamheter befinner sig ännu en bit bort.
Hur ser du på balansen mellan mänsklig kompetens och AI inom underhåll och drift i framtidens fabriker?
–Utvecklingen och forskningen på AI-området går snabbt, men för att fullt ut kunna dra nytta av den krävs mänsklig intelligens, MI. Det är ofta en utmaning att få AI och MI att gå hand i hand men MI kommer att vara helt centralt i AI:s tillämpning även framöver.
Hur kan företag bäst förbereda sig för övergången till industri 5.0, i synnerhet när det gäller underhåll och drift?
–Ta fram en färdplan som inkluderar var ni är på väg och vad ni vill åstadkomma inom AI- och MI. Betrakta inte AI som ett projekt eller en IT-fråga. Det är och bör alltid betraktas som en ren affärsfråga och en strategisk förändringsveksamhet som inkluderar hela verksamheten.
AI-frågor bör därför hanteras på styrelsenivå. Våga misslyckas med era första AI-projekt och räkna inte med att kunna kalkylera hem affärsnyttan i varje enskilt projekt. Glöm inte bort att ni behöver bygga upp en kompetens kring AI internt.
Vilka är de största utmaningarna med att implementera AI-lösningar för underhåll, och hur kan dessa övervinnas?
–Det finns många utmaningar i arbetet med att implementera AI-lösningar för drift och underhåll, såväl teknologiskt som kompetensmässigt och implementeringsmässigt. AI-teknologin utvecklas konstant och är definitivt ingen färdig eller statisk produkt. En utmaning för företag är att förhålla sig till denna höga utvecklingstakt.
Det fungerar sällan att tillämpa en traditionell return of investment kalkyl på AI-satsningar. Jag brukar rekommendera företag att resonera kring AI på samma sätt som kring elektricitet. Få företag tar fram en ROI-kalkyl för sin elanvändning, den betraktas ju som en förutsättning för att hela verksamheten ska fungera. På samma sätt bör man betrakta AI som en förutsättning för verksamhetens konkurrenskraft och fortsatta överlevnad.
Vilka kompetens- och implementeringsmässiga AI-utmaningar står företag inför?
– Alla verksamheter är mer eller mindre unika i sin implementation av AI eftersom den alltid utgår från de unika behoven i varje enskild organisation. En implementeringsmässig utmaning är att identifiera AI:s nyttor och att värdera dem.
För att kunna identifiera AI-teknologins relevans för den egna verksamheten krävs en god förståelse för vad AI handlar om. En vanlig kompetensrelaterad utmaning är förmågan att förstå såväl teknologin som affärsmässigheten i AI. För att få ut mesta möjliga nytta av sina AI-investeringar behöver företag kompetens inom affärsutveckling, styrning och governance.
I det här sammanhanget krävs en AI-governance modell som formulerar hur AI kan integreras i verksamhetens strategi och styrning. Här kan man med fördel ta hjälp av EU:s governance modell för AI som antogs i december 2023.
Du anser att företags implementering av AI-teknologi uppmärksammas alltför sällan och ofta hamnar i skymundan av tekniken. Utveckla ditt resonemang!
–Företag kan inte fortsätta göra saker och ting som de alltid har gjort och samtidigt förvänta sig maximal utväxling på nyttorna i en AI-lösning. Självklart ska vi fokusera på teknologin, men vi behöver samtidigt lägga mycket fokus på implementeringsarbetet.
AI kommer att förändra vissa arbetsuppgifter inom underhåll, det behöver företag ta höjd för, exempelvis genom att fundera kring hur de bäst kan nyttja den arbetstid som frigörs när AI har implementerats i organisationen.
Text: Annika Wihlborg
