En liten gjeng er samlet til kurs i digilaben hos iKuben og ProtoMore. Ansatte i iKubens deltagerbedrifter lærer maskinene å lære, med bedriftens egne datasett som utgangspunkt.

Publisert 10. april 2019

– Her går vi fra preik til praksis, sier Christian Strømmen, prosjektøkonom i iKuben.

– Dette kurset er svar på et behov som kom ut fra arbeidsgruppa for dataanalyse. De så at de trengte mer kunnskap om maskinlæring, så da arrangerte vi dette kurset.

Leder for kurset er Vegard Flovik fra Axbit. Han har doktorgrad innen fysikk, maskinlæring og bruk av matematikk og statistikk for industrielle caser.

Vegard Flovik (ph.d) ledet kurset i maskinlæring.

Blant deltagerne finner vi ansatte i Adcom, Møreforsking Molde, Inpower, Brunvoll og Axtech.

Maskinlæring av værdata kan gi bedre batteriladning for ferger

Rundt bordet er det konsentrert og rolig stemning. Forskjellige datasett blir testet til ulike formål. Én prøver å lære maskinene å skille sebraer fra hester via bildegjenkjenning. Én annen bruker værdata til å prøve å forutse hvor det vil bli best solforhold.

– Vi er heldige som har fri tilgang til datasett fra yr.no av høy kvalitet, som hvem som helst kan bruke til å lage sine egne tjenester, sier Flovik.

– Værdata kan kobles sammen med andre datasett, så vi kan finne og vise sammenhenger som kanskje ikke er så intuitive, som påvirker samfunnet vårt på en eller annen måte. Bilførere kan få beskjed om underkjølt regn, for eksempel. Eller vi kan se i forkant hvor mye is selges i dagligvaren når temperaturen endrer seg. Med maskinlæring kan vi lære av store datasett, se nye sammenhenger og være i forkant på en mer effektiv måte, sier Flovik.

Fysiske bøker er fremdeles nyttig når man skal lære maskiner å lære.

Les om bruk av gratis datasett på yr.no

– Jeg lærer meg grunnlaget for maskinlæring så vi kan bruke det i egen bedrift fremover, sier Jørund Dahle, manager for elektriske systemer og automatisering i Inpower AS.

Inpower jobber med batteri og kraftsystemer for ferger og hurtigbåter, og å sette sammen ulike datasett med værdata kan for eksempel brukes til å finne ut når og hvor mye du må lade batteriet til ferga. Dahle er fornøyd med tilbudet deltagervirksomhetene får.

– Kurset har vært bra! Jeg er litt overrasket over hvor praktisk anvendbart det allerede er. Maskinlæring er ikke noe høytflyvende framtidsgreie, det er noe vi kan begynne å bruke i dag. Bare du har relevante data, kan du bruke det. Neste steg for oss er å samle dataene våre. Vi er en ny bedrift, og det tar litt tid å få de dataene vi trenger. Men det må vi ha, sier Dahle.

De virksomhetene som klarer å forutse akkurat riktig mengde vedlikehold, ikke for ofte og ikke for sjelden, kan spare store summer og dra fra konkurrentene.

Prediktivt vedlikehold med maskinlæring hos Brunvoll

I et hjørne sitter avdelingsingeniør elektro, Espen Løkseth og applikasjonsdesigner Terje Lønset fra Brunvoll og ser på thrusterleverandørens egne datasett. De er med på forskningsprosjektet Forretningsmodeller og avansert sensorsbasert tilstandskontroll (FAST), i samarbeid med Sperre Industri og Sintef.

*Applikasjonsdesigner Terje Lønset og elektroingeniør Espen Løkseth fra Brunvoll var godt fornøyde med kurset i maskinlæring.*

– En god del av prosjektet er dataanalyse, og det er derfor vi er her i dag, sier Løkseth.

– Vi har mye data fra thrustere som er i drift, men vi har ikke noen effektiv måte å analysere dem på. Det er store datamengder og tungt å jobbe med. Å ha de riktige målingene og sensorverdiene er viktig for å finne sammenhenger som sier noe om tilstandsdata for en thruster eller en kompressor. Rett og slett finne ut av hva vi har og hvordan vi kan bruke det, sier Lønset.

– Vi prøver å predikere levetid, hvor mange timer som er igjen før det er nødvendig med vedlikehold eller inngrep. Å forutse vedlikehold er nyttig, for uplanlagt vedlikehold er veldig dyrt. Eller at du kan hoppe over unødvendig vedlikehold, det gir også store innsparelser, sier Løkseth.

Mange firma spesialiserer seg på å tilby maskinlæring som en tjeneste, men Lønset og Løkseth ser verdi å ha kunnskapen som en del av egen virksomhet.

– Vi som utstyrsleverandør kjenner egne produkter godt og kan lage gode dataanalyser. Det er ikke hvem som helst kan gjøre dette på en hensiktsmessig måte, sier Løkseth.

– Brunvoll har en stor serviceavdeling som er mye ute, og vi har god innsikt systemene vi leverer. Det er ikke hvilket som helst firma som kan komme inn og gjøre målinger og gi tilstandsrapport på thrusterne. En viktig del av forretningsmodellen vår er ettermarked, så å kunne forutsi vedlikehold er viktig. Kanskje vi kan bruke maskinlæring til utvikling av nye produkter, se på bruksmønster for eksempel, sier Lønset.

Hva synes dere om kurset?

– Synes det e fole bra!, kommer det kontant.

– Veldig bra at det ikke bare er en powerpoint-presentasjon. Det er viktig. Bra at vi kan bruke egne data, og ikke kun ferdigtygde datasett fra nettet. Og så er det flott at vi har sånne som Vegard Flovik lokalt, i miljøet i iKuben, avslutter Løkseth.