NR . 6 - 2023
ARROW-CI Modellene må trenes på driftsdata
ten på et produkt kommer til å endre seg . Den kan bli høyere , den kan bli lavere . Og da er vi inne på noe som er veldig essensielt . Ved å gi operatørene muligheten til å forutse hva som kommer til å skje , kan de gjøre tiltak litt tidligere . Dette kan gi en optimalisering av energiforbruk , råvareforbruk , kvalitet , og høyere produksjon , påpeker Helseth , og legger til : – Dette er relevant i det store samfunnsmessige bildet , fordi at industri står for 30 prosent av verdens klimagassutslipp , 30 prosent av verdens energiforbruk , og så ligger man på en effektivitet på rundt 65 til 67 prosent . Vi snakker om energikrise , da kan vi ikke sløse med energi eller råvarer . Helseth tar frem TINE som eksempel , et selskap som har redusert svinnet med 60 prosent . Han tar også frem vann- og avløpsselskapet for hele Stor-Oslo , Veas , som reduserer kjemikalieforbruket i renseprosessen med opptil 30 prosent .
– Toppbonusen er at det også renner renere vann ut i Oslofjorden . Vi kan ha energibesparelser på 10 – 12 prosent ved å optimalisere energiforbruket . Man bruker mye mer energi enn det som behøves , konstaterer Helseth .
Forutsigbart vedlikehold og optimalisering av produksjonen Intelecy har fokus på to hovedoppgaver : prosessoptimalisering og prediktivt vedlikehold . – Under prosessoptimalisering ligger det kvalitet , utslipp , svinn , energi og effektivitet – prediktivt vedlikehold handler stort sett om å forhindre nedetid , at ikke ting stopper opp i produksjonen . Ved å hindre et havari så kan det plutselig dreie seg om 20 millioner kroner spart . Mens i prosessoptimalisering er det heller sånn at man sparer 100.000 kroner hver dag , hvilket gir store besparelser over tid , poengterer Helseth .
63