Perfekt kombinasjon

ENORME SUMMER: Verdens Økonomiske Forum avslår at olje- og gassindustrien kan tjene en trillion dollar på digitalisering. Foto: Gard Setsaas

Fysikkbasert AI er nøkkelen til kunstig intelligens som skaper reell verdi for industrielle bedrifter, skriver John Markus Lervik i Cognite.

Kunstig intelligens og spesialister vil sammen skape reel verdi for industrielle bedrifter

En trillion dollar. Så mye anslår Verdens Økonomiske Forum (WEF) at olje- og gassindustrien kan tjene på digitalisering. Og dette er kun en brøkdel av det totale gevinstpotensialet på tvers av verdens tungindustrier.

John Markus Lervik. Foto: Foto: Iván Kverme

En betydelig andel av denne trillionen er datadrevne vedlikeholdsrutiner. De unngår at bedrifter utfører unødvendig vedlikeholdsarbeid og hjelper bedrifter med å reparere utstyrsfeil før det truer produksjonen.

Kunstig intelligens er kun en av komponentene som industrielle bedrifter trenger for å levere løsninger som produserer verdi

Det er derfor ikke overraskende at nærmest alle som er interessert i industri, enten de er gründerselskaper, etablerte teknologifirmaer, eller store konsulenthus, også er opptatt av kunstig intelligens (AI).

Det høres jo så forlokkende ut, det de sier: «Gi oss tilgang til alle sensordataene og vedlikeholdsloggene deres, så vil vi ved hjelp av moderne datavitenskap og vår magiske kunstigintelligensløsning fortelle deg flere dager i forveien når deres maskiner vil bryte sammen».

Dette er for godt til å være sant. Flere firmaer mener at de kan levere kunstig intelligens til industrielle bedrifter med samme fremgangsmåte som har fungert i andre bransjer, men i praksis fungerer det ikke sånn.

Kunstig intelligens er kun en av komponentene som industrielle bedrifter trenger for å levere løsninger som produserer verdi. I tillegg må spesialistressurser i tverrfaglige team, med eksperter på data, maskineri og fysiske prosesser jobbe sammen med den nye teknologien. Dersom man ikke kjenner maskinen man prøver å forutsi noe om, så hjelper det ikke å bruke sensordata og håpe på innsikt fra kunstig intelligensbaserte løsninger. For å kunne forutse når en maskin vil bryte sammen, trenger man store mengder data, og de riktige dataene, kombinert med innsikt i den industrielle prosessen som skal analyseres og optimaliseres.

I noen sammenhenger kan resultatene være direkte livsfarlige

Her kommer viktigheten av domenekompetanse. De som i dag kjenner, vedlikeholder og reparerer maskinene og teknologien kan effektivt veilede de som koder teknologien. Sammen kan de identifisere tidsperioder i dataene da alt fungerte optimalt, og da noe ikke stemte. De kan se det og de kan forstå det. Slik får man bedre datamodeller.

Det er ikke alltid man har sensordataene man trenger. Hvis man prøver å ekstrapolere utenfor datapunktene, ender man fort opp med å skape resultater som ikke er pålitelige. I noen sammenhenger kan resultatene være direkte livsfarlige. Da er det nødvendig å kombinere analysen med fysikkbaserte modeller.

Sammenliknet med modeller bygget på sensordata, er modeller forankret i fysikkens teorier og lover laget for å forutse hendelser også uten sensorer. De er også bedre til å håndtere støy i dataene. Dersom man har lite detaljert data om de fysiske forholdene og prosessene utstyret inngår i, kan databaserte modeller forutse hendelser lettere enn fysikkens teorier og lover.

Fysikkbasert AI er nøkkelen til kunstig intelligens som skaper reell verdi for industrielle bedrifter

I virkeligheten er ikke valget mellom fysikkens teorier og lover, og databaserte modeller. Man står man ofte midt mellom disse to verdenene; man har ikke nok data av høy kvalitet for datadrevne modeller, og man har ikke detaljerte nok data, eller tid, til å lykkes med fysiske modeller.

Men de to kan utfylle hverandre. Kombinasjonen, som kan kalles «fysikkbasert AI», er nøkkelen til kunstig intelligens som skaper reell verdi for industrielle bedrifter. Dette kan også tas i bruk i den daglige driften.

Denne typen digitaliseringsarbeid kan ikke gjennomføres av en person i en 10 prosent-stilling på et kontor. Ekspertene på koding og datavitenskap må sitte sammen med domeneekspertene. Dette vil sikre at gode og praktiske løsninger utvikles som passer inn i bedriftens rutiner. Det hjelper for eksempel lite hvis en løsning utvikles som kan forutsi utstyrsproblemer tre dager i forveien dersom bedriften trenger fem dager på å forberede vedlikeholdsarbeidet.

Norge er som skapt for å vise resten av verden hvordan dette skal gjøres. Vi har lang virkelighetserfaring og dyp domenekunnskap, akkurat det som trengs for at kunstig intelligens skal lykkes innenfor industrien.

John Markus Lervik

Adm. direktør i Cognite


Les også