DigiSpek - Digital lærende spekepølseprosess

Prosjektet skal utvikle og implementere et digitalisert og lærende prosess- og beslutningsstøttesystem som gir mer forutsigbar produksjonstid, redusert svinn, forutsigbar spekepølsekvalitet, økt medarbeiderinvolvering og bedre totaløkonomi. Spekepølseproduksjonen er en kompleks prosess som gir et statistisk kaotisk system. Det vil si at små forskjeller i forutsetningene kan gi store utslag på resultatet. Det er derfor viktig å identifisere og måle riktige prediktorer og kontrollvariabler gjennom prosessen for å styre produksjonen. Dagens praksis er i hovedsak manuell innsamling og analyse av styringsvariablene; dette er for ressurskrevende og unøyaktig. Automatisk innhenting av data fra sensorer og analyser ved hjelp av algoritmer i styringssystemene vil være til stor hjelp for operatørene som da kan gjøre hensiktsmessige justeringer og beregne mer nøyaktig når de ulike spekepølsepartiene vil være ferdig modnet og av riktig kvalitet. DigiSpek skal kombinere bedriftens håndverksmessige kunnskap og metoder, vitenskapelig designede modellsystemer og eksisterende og nye produksjonsdata for å bestemme optimale styringsvariabler og velge egnede sensorer for måling og analyse. Dataene skal integreres i brukervennlige digitale produksjonsstyring og- rapporteringsløsninger. Ved å tilpasse sensorteknologi til prosessene og samle data til intelligent digital prosesstøtte og prosesslæring (kontinuerlig modellforbedring), vil man danne grunnlag for bedre totaløkonomi og investeringsanalyser for mer automatisert og industrialisert spekepølseprosess. Nortura vil samarbeide tett med Sintef Digital, Sintef Manufacturing, Animalia, Høgskulen på Vestlandet avdeling Sogndal, Rocketfarm og IRTA i Spania for å løse de ambisiøse forskning- og utviklingsmessige målene vi har satt oss. Prosjektet har et budsjett på 36,6 millioner hvorav 14,7 millioner er forskningsstøtte fra Forskningsrådet. Prosjektet har en varighet på fire år.

DigiSpek skal gjennom digitalisering av spekepølseproduksjonen gjøre produksjonstiden mer forutsigbar, redusere variasjonen, øke utbyttet og forbedre sluttkvaliteten. Prosjektet skal legge grunnlaget for hensiktsmessig datafangst for å utvikle en kontinuerlig lærende digital modell av spekepølseproduksjon som skal brukes til å overvåke og styre produksjonen (dashboard). Styringssystemet skal gjøres brukervennlig og underbygge bedriftens kultur for medarbeiderinvolvering, omstilling og modernisering. Forskningsutfordringene: 1 Kartlegge råstoff- og prosessvariabler og deres betydning for total og sammensatt prosessutvikling. Identifisere gode automatiserte metoder ved bruk av tilgjengelige og nyutviklede sensorer, blant annet prototyp for måling av vannaktivitet. Data output benyttes til å utvikle robuste statistiske forklaringsmodeller som gir presis prediksjon. 2 Benytte en datadrevet arbeidsprosess basert på Exploratory Data Analysis (EDA), hvor man iterativt undersøker hypoteser for å finne nye årsakssammenhenger og øke prosessforståelsen. Eksisterende kunnskap om råvare og prosess skal kombineres med produksjonsdata for økt prosessforståelse og derav bedre overvåking av tørkeforløpet. Ambisjonen er å predikere framtidig prosess- og tørkeforløp. 3 Utvikle et konsept hvor nødvendig informasjon for beslutninger blir operasjonalisert i et støttesystem for planlegging og oppfølgning. Dette skal også danne grunnlag for fremtidige automatiseringsløsninger. 4 Utvikle konsept for hvordan operatører selv kan foreslå og utvikle enkle, automatiserte og digitaliserte lavkost-implementasjoner av produksjonsforbedringer blant annet gjennom implementering av Karikuri (LEAN). 5 Utvikle og implementere en dashboard-løsning for styring av prosessene.