Hvad skal vi med digital tvilling-teknologi i fødevarebranchen?

Vi eksperimenterer med flere af de nye digitale teknologier - fx big data, analytics, digital twins, bloch chains - og kan hjælpe med at finde vej til de mest innovative måder at effektivisere på.

Industry 4.0, internet of things, big data, analytics, digital twins, bloch chains, artificial intelligence, machine learning, deep learning. Vi har alle hørt om disse begreber, og de fleste ledere indenfor fødevareproduktion har i det mindste en løs idé om, hvad de dækker over. De fleste ledere har også en fornemmelse af, at begreberne, og de underliggende teknologier, kunne få stor betydning for deres funktionsområde og virksomheder. Disruption, et andet buzz word, ligger måske og lurer, hvis gamle og, mere sandsynligt, nye spillere knækker koden før os! På den anden side fornemmer vi, at der er meget varm luft i spil. Fx har flere af teknologierne i flere år peaket på gartners hype cycle for emerging technologies, dvs. de har ligget på den såkaldte peak of inflated expectations, et udtryk for at de kommer til at skuffe fælt i forhold til de aktuelle forventninger til dem. Alle virksomheder drømmer om en kompetitiv fordel i forhold til konkurrenterne gennem innovation, men fødevarevirksomhederne (som ikke har store dækningsbidrag, der kan finansiere tvivlsomme eksperimenter med ny teknologi) har typisk ikke råd til fejlskud. Hvordan skal vi som ledere i fødevarebranchen forholde os til de nye digitale teknologier? Hvordan finder vi ud af, hvor der eventuelt ligger guld og venter, og hvor der er risiko for faldgruber? Det er de spørgsmål, som vi forsøger at adressere og komme med bud på her.

Vi begynder med nogle påstande:

• Markante konkurrencefordele opnået gennem innovation kræver, at der eksperimenteres, og det indebærer uundgåeligt fejlskud at opnå succeser. Færdige gennemprøvede løsninger kan konkurrenterne jo også købe.
• Fejlskud må ikke være vanvittigt dyre. Kunsten er at tænke agilt, dvs. prøve – lære – tilpasse. Tænk i at høste flest mulige – men ikke nødvendigvis alle – gevinster lettest muligt. Særligt digitale innovationer har potentialet til at give markante forbedringer uden store omkostninger.
• Teknologi alene løser ingen problemer, og da slet ikke black box teknologi. Innovationer kommer i et samspil mellem teknologiforståelse, domænekendskab, kreativ nytænkning og organisatorisk fleksibilitet. Det gælder for alle typer innovationer, dvs. såvel nye produkter som effektiviseringer og nye måder at interagere med kunder på.
• Den teknologiske udvikling – og særligt de digitale teknologier – udvikler sig hurtigt og med accelererende hastighed. Der er reel fare for teknologisk funderet disruption i alle brancher.  Det gælder om at følge med i udviklingen ved at placere sig der, hvor ny viden ”strømmer”, fx ved at netværke og samarbejde med vidensinstitutioner.

   

Tre drivende faktorer indenfor digital teknologi
Der er tre drivende faktorer for den accelererende udvikling i digitale teknologier: 1) Udviklingen i hardware, dvs. hurtigere processorer og større hukommelse. 2) Mængden af data til rådighed fra fx internet, produktionsdatabaser og IoT. 3) Udviklingen i softwareløsninger, der fremmer en mere og mere effektiv udvikling af endnu flere softwareløsninger og teknologier. En del af denne udvikling i softwareteknologi handler om, hvordan der samarbejdes om innovationer fx i form af open source og brug af application programming interfaces (API), som gør det lettere at bruge tredjepartskomponenter i sine løsninger.

Teknologisk Institut, DMRI - erfaringer
Teknologisk Institut, DMRI eksperimenterer med flere af de nye digitale teknologier sammen med virksomheder i fødevareindustrien. Vores fokus har mest været innovative måder at effektivisere på. I det følgende deler vi vores høstede erfaringer, tanker og visioner for brugen af digitale teknologier i fødevarevirksomhederne generelt og i særdeleshed på slagterierne, hvor vi har størst domænekendskab.

Kunstig intelligens – faldgruber og store fordele
Det område, vi har størst erfaring med, og som vi vurderer ret let og umiddelbart kan skabe værdi i danske virksomheder med korte tilbagebetalingstider, er kunstig intelligens (på engelsk artificial intelligence AI) og machine learning. Vi har arbejdet med brugen af dybe neurale netværk (deep learning) til analyse af billeder og video. Med denne teknologi har vi demonstreret applikationer inden for automatisering af kvalitetssikring, procesovervågning, produktkategorisering, tælling af levende dyr og optimeret husdyrhold. Princippet i fremgangsmåden er i og for sig ganske enkelt. Et kunstigt neuralt netværk trænes til at kunne klassificere indholdet i billeder ved at vise netværket en masse relevante billeder med kendt indhold. På den teknologiske side er det vigtigt at vælge det rigtige netværk og vide, hvordan man tilpasser det til den konkrete anvendelse. Og det er vigtigt, at det neurale netværk kan integreres i robuste og tilstrækkeligt hurtige softwareløsninger til at være anvendelige på virksomhederne. Kravet til domænekendskab kommer især til udtryk i forhold til at forstå behovene i den konkrete anvendelse og i forhold til at udvælge og validere et godt billedtræningssæt. En alvorlig faldgrube er nemlig at anvende forkerte træningsdata. Hvis vi ikke har styr på indholdet af, hvad der faktisk er på de billeder, vi træner med, vil netværket virke dårligt. En anden alvorlig faldgrube er at træne netværket med billeder, der giver en bias, dvs. skævvridning, i fortolkningen af nye billeder. Fx at et netværk til kvalitetssikring af brystflæsk i virkeligheden ikke genkender en kvalitetsfejl på et stykke brystflæsk, men derimod at der er tale om en venstreside, fordi alle billeder af venstresider var fejlbehæftede i træningssættet. Disse udfordringer til trods kan vi kun opfordre fødevarevirksomhederne til at komme i gang med denne teknologi, som vi ser et kæmpemæssigt automatiserings- og effektiviseringspotentiale i, som relativt let kan realiseres, hvis de rette kompetencer inddrages i udarbejdelsen af løsningen.

Digitale tvillinger - generelt
Et andet område inden for industri 4.0 begrebsverdenen, vi på lidt længere sigt forventer vil få positiv effekt på fødevarevirksomhederne, er digital twins of operations. Digitale tvillinger forstås generelt som en digital (virtuel) beskrivelse af noget fysisk eller reelt. Det kan være et produkt (fx en pumpe), en produktionsproces (fx en robotcelle), et produktionsafsnit eller en hel fabrik, hvilket er vores fokus. En digital tvilling af en fabrik består af tre delelementer:

1. En beskrivelse, der bl.a. kan bruges til dokumentation og kommunikation/visualisering af forhold i den fysiske fabrik.
2. Data, og dermed implicit opsamling af data, der beskriver relevant historik og aktuel tilstand af fabrikken. Det er typisk ERP-, MES-, SCADA-, og sensordata.
3. Modeller, der - fx gennem data analytics - diagnosticerer og gerne forudsiger problemer i produktionsapparatet, fremmer effektivitet og økonomisk optimale beslutninger i virksomheden. For eksempel operationsanalytiske værktøjer med aktuelle fabriksdata som input til at lave produktionsplaner eller optimere salg i forhold til kapacitet,  

Rigtig mange beslutningsprocesser vil i fremtiden kunne automatiseres og varetages bedre af digitale løsninger, bl.a. i form af digitale tvillinger af fabrikker. Digitale løsninger bliver ikke trætte og har ikke en off-dag. De kan overskue og bruge meget mere relevant data end selv erfarne medarbejdere. Deres performance kan overvåges og er konsistent, så metodiske forbedringer lettere kan identificeres og implementeres.

Værdiskabelse med digitale tvillinger
Vores ambition er at demonstrere digitale tvillinger af fødevarefabrikker og vise, at de giver værdiskabelse. En vigtig praktisk og strategisk udfordring er adgangen til online data (punkt 2 foroven). Det kræver tillid for en virksomhed at lukke op for data. Det er potentielt dyrt at integrere til virksomhedernes eksisterende datasystemer. Det er potentielt dyrt at tilvejebringe det nødvendige datagrundlag, hvis virksomhederne ikke allerede har systemerne på plads og/eller data tilgængelige. Vores tilgang er i videst muligt omfang at tage udgangspunkt i tilgængelige data (og eventuelt bruge mindre følsomme historiske data, der ikke interfererer med driftssystemerne) og prøve at demonstrere en værdiskabelse, som kan implementeres i virksomheden med små omkostninger. Vi samarbejder aktuelt med Danish Crown om en digital tvilling af et slagteri, hvor MES data kombineres med procesovervågning baseret på AI, hvor vi håber at kunne bidrage til at optimere driften af slagtegangen.

Interesseret?
Hvis du og din virksomhed er interesseret i at komme videre med de nye digitale teknologier, er du meget velkommen til at kontakte os. At hjælpe din virksomhed videre er vores mission.