Danskstiftede Empact revolutionerer militær vedligeholdelse gennem AI-teknologi

En af USA's førende helikopterproducenter stod over for betydelige udfordringer med at minimere nedetid for deres helikoptere og forbedre helikopternes operationelle beredskab. Traditionelt set har vedligeholdelse og reparation af helikoptere involveret manuelle processer og lange kommunikationskæder, der ofte kunne trække ud og som i høj grad var koblet op på det enkelte menneskes ekspertise.

Det krævede blandt andet en del manuelle vurderinger, hvor teknikere skulle gennemgå tidligere lignende skader, analysere billeder af den nuværende skade og udarbejde løsningsforslag baseret på tidligere erfaringer. Det skabte risiko for menneskelige fejl og ineffektivitet, især da adgangen til erfaringsbaseret viden kunne være begrænset, billederne kunne være af ringe kvalitet m.v., hvilket betød, at dialogen kunne vare meget længe.

Med et ønske om at optimere netop disse processer og forbedre effektiviteten besluttede helikopterproducenten at udforske mulighederne for at imødekomme behovet gennem en kombination af kunstig intelligens og traditionel maskinlæring og henvendte sig herefter til det danske softwareselskab Empact, der har stået for at udvikle løsningen.

AI-assistent sætter turbo på helikopterreparation

Empacts AI-løsning fungerer som en intelligent assistent, også kendt som chatbot, for teknikere og vedligeholdelsesteams i deres arbejde med at reparere og vedligeholde helikoptere. Ved at bruge traditionel maskinlæring, der toppes op med en AI-model trænet på et omfattende datasæt af tidligere skader og reparationer, kan AI-assistenten hurtigt identificere skadestypen og foreslå en relevant reparation.

Jacob Gliemann Larsen, Director of Defense hos Empact, forklarer:

- Vi har automatiseret en manuel dialog og erstattet den med en AI-model, der analyserer billeder og data fra tidligere skader. Nu kan teknikere få reparationsforslag hurtigere og mere præcist.

Processen foregår via en chatbaseret løsning, ligesom det du kender fra ChatGPT eller Claude, der integreres i kundens vedligeholdelsessystem. Når en mekaniker registrerer en skade, analyserer AI’en automatisk billederne og sammenligner dem med tidligere lignende tilfælde. På kort tid kan den derefter foreslå den bedst egnede reparationsmetode, som derefter valideres og godkendes af en menneskelig ekspert.

At dialogen nu foregår mellem mekanikeren og AI-chatbotten, frem for mellem mekaniker og et traditionelt customer care center, betyder hurtigere respons og svar af højere kvalitet, der ikke afhænger af den enkelte kundeservice-medarbejders ekspertise, og som i sidste ende betyder, helikoptere med en højere grad af oppetid. Jacob Gliemann Larsen fortæller:

- Dialogen var tidligere meget langstrakt, og man må regne med, at når dialogen er langstrakt, så står helikopteren på jorden og kan ikke flyve.

Jacob fortsætter:

- Jeg vil skyde på, at en helikopter, der skal igennem denne proces, får en oppetid på minimum to uger mere, end før.

Herunder ses en visualisering af processen.

Vigtigheden og udfordringen - et stærkt datagrundlag

For andre virksomheder, der overvejer AI-løsninger, fremhæver Empact vigtigheden af et stærkt datagrundlag. En udfordring for Empact har nemlig været, at der relativt set ikke er mange registrerede skader på helikoptere, hvilket betyder, at modellen skal finjusteres løbende, og at datasættet er en smule tyndt. Dog forventes præcisionen at forbedres over tid med mere data.

Jacob Gliemann Larsen, sætter ord på det herunder:

- Det er jo ikke fordi, der findes én million cases – heldigvis for det. Men det er måske her, man kan stille spørgsmål ved datagrundlaget, altså om der er tilstrækkeligt med data. Der burde være nok, men det kan ikke siges med sikkerhed endnu.

Mens denne løsning er udviklet til helikoptervedligeholdelse, kan AI-assisteret troubleshooting transformere enhver industri, der er afhængig af hurtig og præcis skadesbehandling – fra fabrikker, der vil minimere maskinnedetid, til logistikvirksomheder, der skal sikre en stabil flåde. Det centrale er en smartere måde at bruge data og AI til at optimere vedligeholdelsesprocesser.

Vil du læse flere råd, har vi samlet tre herunder: