Kontakt os direkte og få personlig rådgivning

Tlf.: +45 3336 4920
Mail: mf@mmf.dkFind svar på spørgsmål

Machine learning vinder bachelorpris

Jan Hansen vandt 1. præmien for årets bedste bachelorprojekt, som beskæftiger sig med machine learning, algoritmer og neurale netværk til at optimere en industriel forseglingsproces.

Kan man optimere en industriel forseglingsproces ved at anvende machine learning til mønstergenkendelse af trækstyrken i plastfolie?

Det er et af temaerne i Jan Hansens bachelorprojekt, som Maskinmestrenes Forening har udpeget til årets bedste projekt fra 2018. Projektet er udført i samarbejde med Qubiqa, som er leverandør af palleterings- og emballagemaskiner. I sit projekt etablerede Jan Hansen datamålinger fra et par af Qubiqas såkaldte Multipack-maskiner, der anvendes til at forsegle isoleringsmateriale hos en af Qubiqas industrikunder.

»Jeg har en fortid som elektriker, hvor jeg arbejdede nogle år hos Qubiqa, blandt andet som idriftsætter, inden jeg besluttede at læse videre til maskinmester. Undervejs i uddannelsen løste jeg nogle ad hoc-opgaver for Qubiqa, og da jeg skulle i gang med bacheloropgaven, var det oplagt at tage udgangspunkt i virksomheden, hvor jeg kender mange af de tekniske og produktionsmæssige problemstillinger,« fortæller Jan Hansen.

Temperaturer og svejsetider
Problemformuleringen i Jan Hansens projekt blev: Kan analyse af akkumuleret data på forseglingsprocessen anvendes i en værdiskabende hensigt?

»Mit projekt belyser flere forbundne problemstillinger: For det første udfordringerne ved at sikre tilstrækkelige og valide data til at lave sikre forudsigelser af svejsekvaliteten og efterfølgende kunne optimere forseglingsprocessen, mens maskinerne kører,« siger Jan Hansen.

Efter at have indsamlet data fra forseglingsprocessen, blandt andet temperaturer og svejsetider, måtte han dog konstatere, at disse data ikke var tilstrækkelige eller valide nok til, at de med sikkerhed kunne forudsige resultatet og dermed optimere forseglingsprocessen. Med ’ikke tilstrækkelig’ menes i denne sammenhæng manglende feedback af kvaliteten på forseglingen. Kvaliteten på forseglingen skulle derfor bestemmes på anden vis.

»Jeg tror, det er min praktiske erfaring med forseglingsprocessen og min viden som maskinmester, der tilsammen satte spørgsmålstegn ved de opsamlede data. Validering af data er en generel maskinmesterkompetence på grund af den tværfaglighed, vi har. Dermed kan vi som maskinmestre også pege på de data, der er usikre eller helt mangler – som i dette tilfælde feedback i forhold til forseglingskvaliteten. Måske ville en programmør uden erfaring fra den praktiske produktionsproces ikke have sat spørgsmålstegn ved resultatet, men jeg kunne se, at der manglede data, og det betød, at jeg måtte skaffe flere data,« fortæller Jan Hansen.

Løsningen blev at fotografere 20 forseglingsprøver. Forseglingsprøverne blev først fotograferet og dernæst testet for den faktiske trækstyrke gennem en fysisk måling, hvor den blev opspændt i et særligt apparat. De samlede data kunne herefter trænes ved hjælp af en machine learning-algoritme.

»Der kan være stor forskel på trækstyrken i folien og forseglingen. I nogle tilfælde flere kilos forskel, som kan være afgørende for, om forseglingen holder. Machine learning og billedgenkendelse skulle sikre, at man altid kendte trækstyrken og potentielt kunne realtidsoptimere de parametre, hvormed man forsegler – alternativt give operatøren en advarsel ved faldende kvalitet,« siger Jan Hansen.

Læs hele artiklen i Maskinmesteren nr. 6, 2019.

fredag den 28. juni

Relaterede artikler

  • Lidt flere unge vil være maskinmestre onsdag den 17. juli

    Maskinmesteruddannelsen oplever generelt en beskeden fremgang af ansøgere til maskinmesterstudiet på landets maskinmesterskoler.

    Læs artiklen
  • Fra lokal til global strategi torsdag den 02. maj

    Til daglig er Allan Due Overbeck chef for havmølleparken Horns Rev 2, men efter en masteruddannelse i Leadership Psychology er han nu klar til nye ledelsesudfordringer.

    Læs artiklen
  • Succes i Esbjerg - Rekordantal nye maskinmestre lørdag den 02. februar

    Mange af dimittenderne fra Fredericia Maskinmesterskole Esbjerg (FMS) havde allerede sikret sig et job, før de forleden fik beviset i hænderne.

    Læs artiklen
  • IoT giver optimeringer og nye produkter onsdag den 14. november 2018

    Mange maskinmestervirksomheder har et stort potentiale i at udnytte data til at optimere produktionen og opdyrke nye markeder. Og det er nu, danske virksomheder skal med på vognen, hvis de vil bibeholde deres konkurrenceevne.

    Læs artiklen
  • Søpraktik er den bedste forberedelse mandag den 12. november 2018

    Hvis man har en drøm om at arbejde som sejlende maskinmester, er den bedste forberedelse at være i praktik til søs. Det mener to studerende, der som nogle af de få har været heldige at komme i bachelorpraktik hos et rederi.

    Læs artiklen

OBS! MMF.dk benytter sig af cookies for at kunne virke optimalt. Klik "OK" for at acceptere.