Kunstig intelligens har gjort en forskel hos Nordic Sugar i Nakskov. Det er den helt korte konklusion på de foreløbige resultater af projektet OWLS – Optimal Vacuum Vapour Level Setpoint – som vi tidligere har omtalt i flere omgange her på sitet, senest efter et besøg i starten af dette år.
Med sæsonens sukkerkampagne tæt på sin afslutning har OWLS kørt i to ud fra de planlagte tre år, før den endelige effektivitetsvurdering. Dermed kan Nordic Sugar sammen med projektpartneren Neurospace sætte tal på gevinsterne i forbindelse med indsatsen for at hjælpe operatørerne med at finde de optimale tidspunkt til at ændre damptryk for på den måde at spare energi i produktionen.
De rå tal viser – indtil videre – flotte fremskridt: Efter 34 dages test på to kogeapparater har man opnået en optimeringsgrad på næsten 40 procent (39,8 helt præcist). Det har givet en estimeret brændselsbesparelse per kogeapparat – som sitet i øvrigt har 20 af i alt – for hver kampagne på over 3.000 liter diesel og ikke mindst også en række læringer frem mod forsøgets sidste periode i kampagnen 2025-26.
Ved gennemgangen af resultaterne på brændstofbesparelserne fandt Neurospace tydelige tegn i dataene på, at operatørerne havde taget positivt imod modellen. Operatørerne har i gennemsnit øget antallet af ændringer i setpunkt fra 30 til 80 i testperioden sammenlignet med den tidligere kampagne, hvilket svarer til en forøgelse på 266 procent.
»De 80 ændringer er helt klart en succes, men vi kan også se, at man faktisk kunne have udført ændringer op til 120 gange og dermed hente nogle flere procenter. Så der ligger et yderligere potentiale i at implementere modellen til at styre processen selv, men der er også noget menneskeligt i, at man bliver vant til algoritmens input eller stoler for meget på det, når det går godt,« forklarer CCO Bo Stig fra Neurospace.
Operatørerne har derfor taget første skridt ind i en ny kultur, hvor AI er en fast del af deres hverdag, og resultaterne af det kan man først gøre status på, når kampagnen er færdig. Det foreløbige estimat lyder på en mulig forbedring på otte procentpoint ved at automatisere processen, hvilket teamet på fabrikken imidlertid også skal være klar til.
»Fabrikken har kapacitet til at producere en vis mængde damp, og samtidig er det vigtigt hele tiden at reducere det specifikke energiforbrug så meget som muligt, hvis vi skal nå de grønne mål. Gevinsten ved at spare noget damp sidst i processen resulterer ofte i, at den primære energi kan reduceres. Og målet for Nordic Sugar er jo altid at få afviklet kampagnen hurtigst muligt, men uden at gå på kompromis med energiforbruget,« siger Bo Stig, hvilket projektchef hos Nordic Sugar, Anders Jørgensen-Juul, bekræfter.
I den aktuelle situation ligger fabrikkens snittekapacitet på sit optimum, så der er optimale betingelser for at opnå en energibesparelse, der faktisk kan aflæses på bundlinjen, bemærker Anders Jørgensen-Juul.
Maskinlæringsmodel skal udvides
Testforløbet har indtil videre været koncentreret om to af Nordic Sugars såkaldte A-kogeapparater på Nakskov-sitet, men på stedet laver man også både B- og C-kog, der begge tager længere tid end A, med C som det længste.
En af læringerne fra de første små to år med OWLS er, at big data ikke er det vigtige, det handler mere om right data. En fremtidig ambition fra Nordic Sugar går derfor på at samle data sammen for at lave en maskinlæringsmodel på et B-kogeapparat.
»Operatørerne har været snu at tage resultaterne fra de to A-apparater og bruger på alle de andre A-apparater, og selvom der er lidt forskel på dem, så fungerer det fint at tage værdierne videre. Men værdierne fra A-kog kan ikke flyttes direkte til B-kog, så det vil være godt med en model, der kan forudsige setpunkter på B-apparater og måske også C, for der er sandsynligvis samme optimeringspotentiale på de to andre kogetrin,« fortæller Anders Jørgensen-Juul.
Og 90 procent af arbejdet er allerede gjort med modellen til A-apparaterne, påpeger han, så de(n) nye skal egentlig ”bare” trænes til nogle andre kogetider og forskellige detaljer. I den forbindelse understreger Bo Stig, at det rent formelt er metodikken, man kopierer, ikke modellen.
»Alle modellerne er eller vil være unikke, både på tværs af kogetrin, men også for hvert enkelt apparat på samme trin. Det er metodikken, der er den samme, og som er det komplicerede element,« siger han.
»Økonomien er generelt rigtig god. Det er også derfor, Nordic Sugar gerne vil gå videre med maskinlæringsmodellen og udvide den til B- og C-koget, fordi metodikken er på plads.«
Bo Stig, CCO, Neurospace
’Der er penge at spare her’
Hele AI-projektet og den bagvedliggende tankegang er generelt blevet taget godt imod blandt Nordic Sugars operatører, som trods mange års erfaring for de flestes vedkommende har hilst det nye værktøj velkommen med åbent sind.
»Det er jo lidt spændende af få en ting som kunstig intelligens ind på en gammel sukkerfabrik, men folkene synes, det er en sjov udfordring. Og når de så kan se, at algoritmen rent faktisk kan gøre en forskel i deres arbejde, løfter det jo stemningen yderligere,« siger Anders Jørgensen-Juul med et smil.
Det var i høj grad tilfældet i løbet af projektets første år, men her på år to er forventningen faktisk en smule lavere aktivitetsniveau, blandt andet fordi fokus er skiftet en lille smule. En anden væsentlig og mere håndgribelig – men også udefrakommende – årsag er de hyppige strømudfald på det lokale højspændingsnet, der får modellen til at gå i stå.
Med det in mente bemærker Bo Stig, at modellen på mange måder sprængte alle forventninger det første år, hvor forventningerne var ret forsigtige. De gode resultater overraskede således på mange måder på hans eget team og Anders Jørgensen-Juul og dennes kolleger, ligesom de skabte international opmærksomhed.
»Jeg har præsenteret projektet på den store sukkerkonference i Wien, og det var kæmpe interesse for, hvor langt vi var nået på så forholdsvis kort tid. Så der var pres på, men en rigtig fed oplevelse,« siger han.
»Og der er jo masser af andre steder, vi kunne sætte ind for at optimere, eksempelvis omkring farven på sukkeret eller i pulptørringen. Der er penge at spare her, og det er jo til at forstå, så jeg håber, vi kan sætte gang i nogle flere projekter, når sukkerpriserne stiger lidt igen,« tilføjer Bo Stig.
For nu er fokus rettet mod næste evalueringsfase, når den igangværende kampagne slutter. I den forbindelse peger Bo Stig på vigtigheden af at holde gang i projektet med ’svinghjulseffekten’ som billede, hvor man sørger for at hjulet ikke går i stå ved hele tiden at skubbe lidt til det, i dette tilfælde ved at reinvestere overskuddet i arbejdet.
»Det er jo grundlæggende det, vi gør her. Og økonomien er generelt rigtig god. Det er også derfor, Nordic Sugar gerne vil gå videre med maskinlæringsmodellen og udvide den til B- og C-koget, fordi metodikken er på plads, og der ligger nogle ret sikre gevinster og venter,« siger han.
»Det vil være godt med en model, der kan forudsige setpunkter på B-apparater og måske også C, for der er sandsynligvis samme optimeringspotentiale på de to andre kogetrin.«
Anders Jørgensen-Juul, projektchef, Nordic Sugar
