Startet med fakling, endte med en bestilling på flere AI-piloter
IVAR ville bruke AI for å få mer biogass ut av slammet. Underveis endret både spørsmålet og teknologien seg. Resultatet ble en chatbot som lar hvem som helst i organisasjonen spørre dataene på vanlig norsk, og en bestilling fra toppen om flere piloter.
F.v.: Olav Marvik, Sander Tjemsland og Pål Haugen.
IVAR IKS har ansvar for vann, avløp og gjenvinning for 12 kommuner i Rogaland, og jobber for å utnytte det de tar imot som en ressurs. Olav Marvik er teknologiansvarlig for drift, vann og avløp i IVAR.
– Vi ser at det ligger en potensielt stor kraft i AI. Vi var både nysgjerrige og usikre på hvor vi kunne få størst nytte. Skal vi bruke AI, må det ha en reell effekt på prosessene våre. Målet med sprinten var å lære hvor vi kan få effekt, utforske mulighetsrommet og få ut noen produkter som tar oss i riktig retning, sier Marvik.
Mange ideer, ett valg
AI-sprinten startet bredt. ÅKP arrangerte en AI-kickoff der ansatte fra hele IVAR kom med ideer til hvor AI kunne gjøre en forskjell. Anna With Rødstøl, seniorrådgiver i ÅKP, var prosessleder og hadde ansvar for kickoffen og arbeidsmøtene videre. Først når bredden var kartlagt, ble problemstillingene prioritert. Valget falt på fakling, midt i kjerneprosessen på renseanlegget.
Problemet: gass som brennes av
På Sentralrenseanlegg Nord-Jæren på Mekjarvik blir blant annet matavfall, fiskeslam og slam fra avløpsrensingen til biogass og gjødsel. Når trykket i tankene blir for høyt, må overskuddsgassen brennes av. Det kalles fakling, og det er energi som går tapt.
– Klarer vi å redusere fakling, får vi en mer stabil og forutsigbar drift, bedre utnyttelse av biomassen og mindre utslipp. Det er masse energi i avløpsvannet vårt, og den er vi avhengige av å få med videre i kretsløpet, sier Sander Tjemsland, avdelingsingeniør på Mekjarvik.
Få enkle svar i data
Anlegget produserer store mengder data, men det er ikke enkelt å lese dem. Pål Haugen har vært ÅKPs tekniske hovedressurs i prosjektet:
– Prosesser med biologisk masse varierer mye mer enn vanlige industriprosesser. IVAR har store datamengder over lang tid, så det er vanskelig å se hva som henger sammen med hva. I tillegg kan ulike sensorer si ulike ting om den samme prosessen, uten at noen av dem tar feil. Det gjør det komplisert, og det er det som gjør det moro, sier Haugen.
F.v.: Olav Marvik, Pål Haugen og Sander Tjemsland.
Å tåle å ikke ha svaret ennå
I starten var det ikke gitt hva løsningen skulle bli. Teamet brukte lang tid på å utforske dataene og problemet, og som prosessleder sørget ÅKP for fremdrift og felles retning uten at svaret ble låst for tidlig. Underveis kom det ny AI-teknologi som passet bedre enn noen hadde sett for seg.
– Da vi startet, tenkte vi på helt andre resultater. Jeg så for meg at vi skulle utvikle noe mer grunnleggende, som agenter. Men verktøyene utvikler seg ekstremt raskt, og nå er det evnen til å bruke dem og koble ting sammen som er det viktigste, sier Marvik.
– Vi måtte øve oss på å stå i det ubehagelige. Hadde vi låst løsningen for seks måneder siden, hadde vi ikke landet der vi gjorde, sier Haugen.
Dette ble levert
Sprinten endte med to verktøy: en datautforsker som viser hvilke forhold i anlegget som påvirker hvor mye biogass som ender i fakling, og en chatbot som lar hvem som helst stille spørsmål direkte til faklingsdataene. Chatboten skiller seg ut fra vanlig dataanalyse på tre måter:
Vanlig språk begge veier. Du spør på vanlig norsk, for eksempel «Når faklet vi mest i fjor, og hva skjedde i tankene da?», og får svar på samme måte.
Visualisering. Ved behov lager den en graf eller et diagram, og velger selv visningen som gjør svaret lettest å forstå.
Et steg videre. Den foreslår andre datakilder som kan gi et mer fullstendig svar.
Like viktig er det chatboten ikke gjør: Den finner ikke på svar. Den henter svarene fra IVARs egne data, og finnes ikke svaret der, sier den det. «Det vet jeg ikke» er et fullt gyldig svar.
– Mye av dataene hovedkontoret bruker i rapporter, kommer i dag fra meg og Excel-arkene mine. Når de kan spørre chatboten selv, frigjør det mye tid, og jeg blir mer den som validerer dataene, sier Tjemsland.
– Visualiseringer av prosessdata finnes ofte, men de er laget av dem som kjenner dataene best, dypt inne i regneark. Nå kan også en prosessingeniør uten lang erfaring stille spørsmål og få fornuftige svar. Det er et kunnskapsverktøy: Vi kan lære mye om prosessen og forbedre den ved å stille de riktige spørsmålene. Det er ikke bare AI, men et sterkt analyseverktøy, sier Marvik.
IVARs renseanlegg på Mekjarvik, Rogaland.
Relevant for flere enn IVAR
– Mange tror de må ha perfekte data før de kan ta i bruk AI. Det stemmer ikke. IVAR har noen av de mest krevende dataene jeg har jobbet med, og vi fikk likevel laget noe nyttig. Og IVAR er ikke alene. Vi ser stadig bedrifter med tung ingeniørkompetanse og mengder av driftsdata som ikke blir brukt fullt ut. Der er det utrolig spennende å koble på ny teknologi, sier Haugen.
ÅKP stilte med et tverrfaglig team, der teknisk AI-kompetanse og prosessledelse gikk hånd i hånd.
– Noe av det mest verdifulle med prosessen er at det vokser fram en intern bevissthet om hva AI faktisk kan brukes til. Det skjer i arbeidsmøtene, når fagfolkene i IVAR sparrer direkte med en som har dyp teknisk AI-kompetanse. Det gjør folk i stand til å se muligheter flere steder i sitt eget arbeid, sier Rødstøl.
Veien videre
Hos IVAR er arbeidet ikke ferdig. Sprinten så på et begrenset tidsrom og ett fagområde.
– Nå ser vi mer potensial for driften. Når vi kan koble sammen prosessene med økonomi og vedlikeholdsdata, da snakker vi virkelig. Samtidig er sikkerhet det jeg er mest opptatt av. Vi har samfunnskritisk infrastruktur, og må håndtere dataene på en sikker og trygg måte, sier Marvik.
Bestillingen fra administrerende direktør er klar: flere piloter og flere mini-prosjekter.
F.v.: Bjørn Dimmen, Olav Marvik og Sander Tjemsland.
Fakta: Sprint deg til AI
Sprint deg til AI er et tilbud fra Norsk Katapult Digital, administrert av ÅKP og støttet av Nemonoor, et nasjonalt kompetansenettverk for AI med støtte fra EU og Innovasjon Norge.
Gjennom korte, målrettede prosesser hjelper sprinten bedrifter å finne og teste konkrete AI-muligheter i egen virksomhet.
