ELE kvalitetssäkrar med hjälp av ny AI-lösning

ELE Forsa har under flera år gjort en utvecklingsresa för att driva på innovation och transformation inom företaget. Propell och RISE i Hudiksvall har varit en stödjande partner under denna resa. Nu senast har de implementerat en AI-modell för att kvalitetssäkra produktionen med hjälp av bildanalysering. 

Stöd och stämpelkontroll

ELE Forsa, är en ledande aktör inom lastpallar och emballagelösningar. Företaget erbjuder både standardiserade och kundanpassade produkter och tjänster inom konstruktion, inventering, emballering och logistik. Verksamheten bedrivs i Forsa utanför Hudiksvall med runt 50 anställda.

Under 2020 fick ELE tillgång till snabba medel från Propell för att anlita en konsult och undersöka ett problem med inbrända stämplar på lastpallarna. Problemet var att stämplarna inte alltid var tillräckligt tydliga, vilket hindrade pallarna från att passera genom tullen i vissa länder.

– Svårigheten med trä är att bakgrunden inte är homogen, så om stämpeln kommer precis på en kvist eller annat förstör det läsbarheten. I vissa länder är man väldigt hård på detta och syns stämpeln inte fullt ut så får vår pall helt enkelt inte komma in i landet, säger Mattias Ringström, vd på ELE Forsa.

Arbetet med stämplarna väckte andra tankar hos Mattias och ELE och i fortsatt dialog med konsulten, som de nu etablerat kontakt med, började de att forma nya planer.

Spikproblematik och AI-lösning

Vid tillverkning av pallar och emballagematerial finns ett känt problem: spikar som sticker ut.

– Vi får en del så kallade spikutstick i vår produktion, något som naturligtvis kan vara problematiskt, inte minst skaderisker för dem som hanterar våra pallar manuellt, säger Mattias.

Tillsammans med samma konsult byggde de vidare på erfarenheterna från stämplarna. De utvecklade en AI-lösning som kunde identifiera spikproblemet genom att analysera bilder. Till en början uppskattade de att de behövde 10 000 bilder för att träna AI-modellen på bara spikutstick. Mattias och hans kollegor på ELE Forsa, som är vana att se spikutstick, började att granska bilderna och klassificera dem för att ge AI-modellen en bra träningsgrund.

– Efter att jag gått igenom runt 1000 bilder tyckte vår konsult att den volymen kanske räckte, tur var väl det. Och mycket riktigt, redan efter den mängden bilder kunde vi se att AI-modellen började förstå vad vi var ute efter, säger Mattias.

Kameror, livestream och engagemang

Lösningen som nu är implementerad i ELEs produktion förklaras enkelt som att lastpallarna passerar en uppsättning kameror som tar bilder i snabb hastighet. AI-modellen analyserar bilderna, uppskattar sannolikheten för om det är ett spikutstick och operatören får en indikation på att det behöver ses över samt att produktionslinan stoppas. Bilderna syns även i en livestream och lagras på en server som kommande träningsdata.

– Det var otroligt roligt att se hur den arbetade, jag hade streamen på en separat skärm på mitt kontor bara för att se hur det funkade. En dag hade vi över 80 stopp eftersom modellen markerade på kvistar, streck och olika sorters spikutstick. Då måste operatören manuellt kvittera innan pallen kan gå vidare i produktion. Det var inte så effektivt, men väldigt lärorikt för oss, säger Mattias.

Implementeringen av AI-lösningen kom med sina utmaningar. Men genom de olika stoppen kunde man lokalisera olika åtgärder. Till exempel kunde de identifiera att en specifik spikpistol orsakade flest fel och att kamerornas vinklar behövde justeras och kalibreras.

– Vi får en otrolig kunskap vi inte haft tidigare. AI-modellen ger oss data som gör det möjligt att justera, trimma och förbättra både i produktionen och i tekniken. Vi har laborerat med minskade bildstorlekar och AI-modellen visar sig fortfarande kunna identifiera spikarna väl trots pixliga bilder, säger Mattias.

– Vi märkte också att en av kamerorna hade en färgskillnad som gjorde att vissa spikutstick missades. Vi genomförde då en färgkalibrering och installerade nytt ljus runt kamerorna, vilket förbättrade precisionen igen, fortsätter Mattias.

Träningstiden för modellen blir lite längre och svårare på grund av variationerna som finns naturligt i träet, men för att förbättra noggrannheten tränas modellen med fler bilder när man upptäcker fel.

– AI-modellen började missa en specifik typ av spikutstick, så då plockade vi in nya bilder som den fick träna på, vilket gav effekt.

Många tror att det handlar om stora summor i investering, men Mattias uppskattar att kostnaden för inköp av materialet som kameror och dator kostade runt 15 000 kr.

– Jag tror att det är en vanlig missuppfattning att AI är ofantligt dyrt och extremt komplicerat. När det gäller lösningar med bildbehandling är tekniken inte så farligt dyr och den är redan ganska beprövad. Det som kostar är tid, engagemang i den egna verksamheten och naturligtvis konsulttjänsterna. Att hitta en bra och förstående konsultpartner som själv också brinner för att lösa utmaningar och problem är jätteviktigt, säger Mattias.

 

Positiv feedback och vision framåt

Feedbacken från både anställda och kunder har varit positiv och samtidigt ser Mattias en ny potential.

– Jag ser att fler industrier skulle kunna ha nytta av det vi tagit fram, så jag ser värdet i att fortsätta utveckla för att kunna inspirera och visa andra, säger Mattias.

Framöver hoppas han att de ska kunna optimera och effektivisera ytterligare i produktionen.

– Just nu måste hela produktionen stanna av för spikutsticken, men jag hoppas framöver att vi skulle kunna ha en buffertlina* som pallarna flyttas till om något behöver åtgärdas av en operatör, säger Mattias.

Nya spånklossar av spill

Parallellt med AI-modellen har ELE utvecklat en pallkonfigurator och undersökt hur man kan använda träspån från produktionen för att göra nya klossar till lastpallarna. Detta arbete har gjorts tillsammans med RISE och tack vare en innovationscheck från Sandbacka Science Park.

– RISE har undersökt hur man kan skapa nya klossar av vårt spillmaterial i form av träspån. De har testat vad man ska binda ihop spånet med och hur produktionen skulle kunna gå till. Resultatet är robusta klossar och jag tror att vi kommer ha stor nytta av det som kommit fram i testerna, säger Mattias.

 

 

Imponerande steg framåt

ELE har genomgått en imponerande resa. Ola Wallberg, affärsutvecklare på Propell och RISE i Hudiksvall är en av dem som följt deras utveckling.

– Mattias och ELE har etablerat ett tankesätt i verksamheten där de blickar framåt och tänker i nya banor. Nu börjar det också bära frukt genom praktiska förbättringar i både produktion och kvalitet. Deras resa är ett inspirerande exempel på hur teknologiska framsteg och ett stort engagemang kan driva företag framåt. Från Propell och RISE håll kommer vi absolut fortsätta stödja och utmana ELE. Det finns redan nya roliga möjligheter som vi tittar på tillsammans, avslutar Ola.

*Buffertlina – en produktion eller logistikkedja där material, produkter eller komponenter lagras temporärt för att inte störa produktionstakten.

Vill du ta ditt företagsidéer vidare?

Kontakta Ola Wallberg

Prenumerera gärna på Propells nyhetsbrev för att ta del av spännande berättelser, få tips om olika event och unika erbjudanden.

Prenumerera

 

Artikeln är skriven inom ramen för projektet Transformation Region X – T-ReX som medfinansieras av Europeiska unionen.