糖果派对

I filmen ’Limitless’ fra 2011 er der en scene, hvor hovedpersonen Eddie – spillet af Bradley Cooper – springer ud over en altan og griber fat i platformen nedenunder. En temmelig risikabel manøvre, men han ved, at han kan gøre det, for han har netop lavet en nøjagtig beregning af, hvor mange kræfter det vil kræve.

Nogenlunde på samme måde fungerer den algoritme, som Emil Stubbe Kolvig-Raun har udviklet. Sådan kan den 28-årige softwareingeniør i hvert fald godt selv lide at tænke på det.

Emil Stubbe Kolvig-Raun er netop nu ved at færdiggøre sin erhvervs-ph.d. på Mærsk Mc-Kinney Møller Instituttet på Syddansk Universitet i samarbejde med robotvirksomheden Universal Robots og med professor Mikkel Baun Kjærgaard fra 糖果派对 og AI-forsker Ralph Brorsen fra Universal Robots som vejledere.

I løbet af de sidste tre år har han bl.a. udviklet en formel, der sætter tal på, hvor presset en robot er under et givent stykke arbejde, og i forlængelse af det en model, der kan forudsige, hvornår robotten trænger til vedligeholdelse. Predictive maintenance, kaldes det.

Studiet er for nylig blevet 

Ligesom Bradley Cooper i ’Limitless’ kan robotten med Emil Stubbe Kolvig-Rauns metode altså regne ud, hvor mange kræfter den har tilbage, og hvor mange tusinder, hundredtusinder eller millioner rutiner, den kan gennemføre, før den skal en tur til service.

- På den måde kan man bla. undgå uforudset nedetid, altså perioder, hvor robotterne ikke kører, og man er nødt til at indstille produktionen, forklarer Emil Stubbe Kolvig-Raun.

- Det er noget, som kan koste en virksomhed dyrt. Og i og med at en stor del af den globale produktion er automatiseret, bl.a. med robotter, er det her virkelig noget, der er behov for. 

Virkelighed og forventninger

Emil Stubbe Kolvig-Rauns algoritme er lavet til Universal Robots’ robotarme, men kan i princippet også bruges på andre robotter og maskiner.

Det kræver bare, at de har indbygget et system, f.eks. et sikkerhedssystem, som konstant holder øje med maskinen og sammenholder observationerne af virkeligheden med nogle beregnede forventninger om, hvordan tingene burde se ud. 

Sådan et system har alle cobots eller kollaborative robotter, heriblandt Universal Robots’. 

- Robotterne er udstyrede med en masse sensorer, som måler på, hvad der foregår, mens robotterne arbejder. Det kunne være, hvad er temperaturen i det her led? Hvad er strømforbruget? Hvad er hastigheden?, fortæller Emil Stubbe Kolvig-Raun.

- Samtidig er der et sikkerhedssystem, som står i baggrunden og laver en masse beregninger på, hvad vi forventer i forhold til alle de her parametre. Og hvis der pludselig er en uoverensstemmelse mellem de to ting – forventningerne og virkeligheden – så er robotten programmeret til at stoppe op.

Det er derfor, at man i modsætning til mere traditionelle industrirobotter trygt kan bevæge sig omkring cobots og, som navnet antyder, arbejde sammen med dem. 

Robotter, der kan konsekvensberegne

Al den data, som indsamles af robotterne, kan imidlertid også bruges til at forudsige slitage, fejl og forstyrrelser. De vil nemlig tidligt vise sig som små uoverensstemmelser mellem virkelighed og forventninger i sikkerhedssystemet, forklarer den ph.d.-studerende.

Og det er det, Emil Stubbe Kolvig-Raun har gjort. Helt konkret vil robotterne i god tid kunne gøre opmærksom på, at der er et vedligeholdelses- eller reparationsbehov på vej, hvorefter virksomheden vil kunne planlægge et serviceeftersyn på et tidspunkt, der ikke er kritisk for produktionen.

Man vil også kunne bruge dataen til andre ting og videreudvikle modellen, siger Emil Stubbe Kolvig-Raun.

- Næste skridt efter predictive maintenance, det er self-maintenance. Det er der, hvor robotten vedligeholder sig selv, bl.a. ved at sige: Okay, robotten kan se, at der kommer til at være et behov for vedligeholdelse, når den bevæger sig på en bestemt måde 10.000 gange mere. Men hvis den nu udfører opgaven lidt anderledes og ændrer sine bevægelsesmønstre en smule, kan behovet for vedligeholdelse udskydes, siger han.

- Dybest set forsøger vi at give robotterne evnen til praktisk at kunne konsekvensberegne og derved kompensere eller selv-optimere.