Maskininlärning löser problem i skarpa projekt

Data samlas in med laserskanning. Den insamlade datan kan sedan analyseras av algoritmer som lär sig känna igen t ex sprickor i vägbanan.

Data samlas in med laserskanning. Den insamlade datan kan sedan analyseras av algoritmer som lär sig känna igen t ex sprickor i vägbanan.

Kontakt

Stefan Stigendal

Stefan Stigendal

Director Digitalization and Innovation
Tel: +46 (10) 6156120

– Det är dags att sluta betrakta artificiell intelligens och maskininlärning som science fiction och börja använda det för att lösa de problem som finns här och nu, säger Stefan Stigendal, som håller på att bygga upp en enhet inom AI och maskininlärning.

När det gäller automatiserade processer med behov av att hantera stora datavolymer är AI och maskininlärning viktiga hjälpmedel som sparar både tid och pengar. Eftersom tillgången till data ofta är god i våra projekt är potentialen stor.

– Trots att maskininlärning är en förhållandevis mogen teknik hamnar många företag fortfarande i ett teknikutvecklingsprojekt med stor risk att misslyckas. Det viktigaste är att förstå behovet och sen fundera på hur, och om, vi kan använda maskininlärning som en tänkbar lösning, säger Stefan Stigendal.

Maskininlärning för underhåll av vägar och kraftledningar

Ett exempel på hur vi använder tekniken i praktiken är för vägunderhåll. Genom att utrusta en bil med en speciell laserutrustning kan vi skanna av vägbanan på ett väldigt effektivt sätt. I samband med det samlas en stor mängd data in som sedan analyseras för att kunna planera vilket underhåll som krävs.

– Här är maskininlärning väldigt användbart. Vi kan enkelt lära algoritmerna att känna igen sprickor, vägmarkeringar som behöver förbättras och dessutom hur liknande avvikelser ser ut i olika ljus- och väderförhållanden. Vi kan redan idag använda samma metod för till exempel underhåll av järnväg och kraftledningar.

Tidigare har de höga kostnaderna för att analysera data gjort att de flesta underhållsplaner baseras på en beräknad livslängd och ett periodiskt serviceintervall. Det betyder att underhållsarbeten ofta planeras in lite tidigare än nödvändigt för att vara på den säkra sidan och att service i vissa fall inte är nödvändig men utförs ändå.

Här kan vi med ny teknik sänka kostnaderna och gå över till ett mer behovsstyrt underhåll, det vill säga att arbetena bara utförs när de behövs.

– Vi ser också en potential i att lära upp drönare, något som skulle kunna förenkla inventeringen och underhållet av till exempel kraftledningar. Vi kan lära en drönare att känna igen och följa en kraftledning. När den sen kommer till ett område med mycket träd eller registrerar något som ser ovanligt ut kan den dokumentera extra mycket just där, säger Stefan Stigendal.

Samarbete med startup inom maskininlärning ger fördelar

Ramboll har inlett ett samarbete med Aiwizo, ett startup-företag inom maskininlärning som flyttat in i Rambolls lokaler på Krukmakargatan i Stockholm. Närheten ger Ramboll en värdefull samtalspartner som kan fungera som bollplank på daglig basis. Dessutom blir det enkelt att arrangera seminarier, föredrag och handledning tillsammans.

– Förutom att vi samarbetar i skarpa projekt bidrar deras expertkunskap till att göra hela organisationen mer medveten om potentialen med AI och maskininlärning och hur det kan förenkla processer, både interna och i kundprojekt, säger Stefan Stigendal.

Ramboll Sverige

Ramboll Sverige
Huvudkontor: Krukmakargatan 21, Stockholm
Postadress: Box 17009
104 62 Stockholm
Tel:+46 (0)10 615 60 00
Fax:+46 (0)10 615 20 00

Mail: infosverige@ramboll.se

Andra webbplatser

Andra webbplatser