Tilbake til søkeresultatene

BIA-Brukerstyrt innovasjonsarena

Accelerate Learning Through Technology (ALTT)

Alternativ tittel: Akselerere læring gjennom teknologi

Tildelt: kr 11,9 mill.

Elektrolyse av aluminium er en kompleks prosess i et krevende miljø der man har få målinger av hva som faktisk foregår inne i elektrolysecellene. I flere tiår har Hydro jobbet med modeller for bedre å forstå hva som skjer under elektrolyseprosessen. Mye kunnskap er akkumulert i disse modellene og denne kunnskapen ønsker man å overføre til operatørene som opererer cellene. I ALTT prosjektet har Hydro samarbeidet med SINTEF, Cybernetica og Attensi for å utvikle verktøy for akselerert læring og beslutningsstøtte for operatørene i elektrolysehallene. Målet har vært å kombinere kunnskap fra dynamiske modeller av elektrolyseprosessen med simulering og elementer fra spillverdenen. Vi holder nå på å integrerer det spillbaserte læringsverktøyet vi har utvikla til læringsbehovene hos operatørene. Målet er å akselerere læring, heve kompetansen og hjelpe operatørene til å ta bedre beslutninger.

Prosjektet har introdusert nye tanker rundt hvordan vi kan drive opplæring og gjort læring tilgjengelig der operatørene er. Vi opplever at operatørene etterspør varmebalansespillet som er utviklet i prosjektet. Sammen med den dokumenterte læringseffekten fra spillet er dette en tydelig indikasjon på akselerert læring. Selv om vi ikke kan måle effekten dette har på driftsresultatet i dag, forventer vi at akselerert læring på sikt vil bidra til potensialet som skissert i søknaden. Vi ser også at prosjektet har bidratt til en positiv holdning til spill-basert læring i Hydro, og dette har vært positivt for introduksjon av denne type læring i andre sammenhenger i Hydro.

Hydro is a global company with aluminium production, sales and trading activities throughout the entire value chain. Hydro has 13000 employees in more than 50 countries on all continents. Over a long time, Hydro has developed a dynamic model, describing some of the key process variables in an electrolysis cell. This model is tailored for process monitoring and on-line control. However, a major challenge is to make the model-embedded knowledge available to operational personnel. Some of the electrolysis processes have long response times between the action of an operator and the results of the action (in some cases up to 3-5 weeks). This is particularly challenging with respect to fast learning and adaptation. ALTT will focus on bringing together learning, workplace and decision-support using novel technologies to accelerate learning. The main innovation will be a learning environment that combines gaming, gamification and simulation for decision support and effective workplace learning.

Budsjettformål:

BIA-Brukerstyrt innovasjonsarena