提升工业效率是芬林芬宝的工作重点之一，是贯穿整个价值链，以提高自身及其客户的竞争力。要提高工业效率，不仅需要深入了解公司的业务和流程，还需要具备处理整个价值链所产生数据的能力。

  除了使用模拟程序和数学方法，芬林芬宝还使用人工智能来分析这些数据。例如，人工智能可以在生产优化中做出更准更快的决策。

  模拟程序

  优化了原木切割

  芬林芬宝从芬林集团旗下的木材采购部门获得木材原材料，后者所使用的模拟程序用于预测和指导采购流程。该模拟程序有助于优化木材采购流程，确保采用木材原料所加工的锯材尽可能满足客户的需求。

  “在锯材厂，这一点极为重要，因为原木的长度或尺寸在打上横切标记后就无法调整了。因此，我们必须与木材采购团队沟通，交流我们的锯材客户最看重部件和尺寸。”芬林芬宝的开发经理维利马蒂•马基(Veli-Matti Mäki)如是说。“这意味着我们在采伐环节就要直接从客户的最终产品需求出发。”他补充道。

  数字孪生

  有助于预测流程发展

  芬林芬宝的现代化工厂在数据收集和使用方面堪称先行者。例如：

  艾内科斯基生物制品厂

  每秒可生成37.000条测量数据。收集的数据包括木浆流量、pH值、温度和其他影响木浆质量的因素。例如，从制浆过程中收集的过程数据可用于调整压力或流速，或用于流程中的化学品用量。还有一种更高级的数据用途——数字孪生，它就像是一个虚拟副本，可以完全复制现实中的生产流程。

  数字孪生可提供有关流程的实时信息，从而实现智能流程预测。这样一来，就可以在不改变真实工厂既有条件的情况下，模拟各种不同的情况，并进行探索和分析。数字孪生可以预测流程演进状况并对其进行优化。

  “有了数字孪生技术，操作员们可以在当前设置下预测未来三个小时的流程将如何发展。这可以帮助他们调整设置以最大限度地减少偏差，从而使我们能够为客户提供质量稳定的木浆。”芬林芬宝的工艺技术副总裁马蒂•托沃宁(Matti Toivonen)如是说。

  人工智能

  使用锯切时获得的测量数据

  芬林芬宝的锯材厂技术创新，例如具备自我学习能力的人工智能，使得生产过程更具成本效益。

  劳马锯材厂

  利用激光测量和原木X射线技术，根据原木的尺寸、形状和内部质量，为每根原木创建虚拟指纹。在锯切过程中会根据虚拟指纹识别原木，之后人工智能会推荐最佳的锯切方法。

  “在原木排序和测量过程中会生成大量数据。人工智能使我们能够合并多个测量设备生成的数据，将其汇总到一处，然后用它来优化生产和原木材料。”芬林芬宝劳马锯材厂的高级开发经理雅克•维佛瑞(Jarkko Vihervuori) 如是说。

  人工智能技术助力我们从大量原材料中挑选出单个原木，并根据其质量分成不同类别。这样芬林芬宝就可以生产出针对不同需求的产品。此举也提高了锯材厂的原材料利用率，因为每根原木的使用都得到了优化。

  “从客户的角度来看，这很重要，因为我们现在能更精确地将所需原木材料进行分配，用于生产特定的最终产品。”维佛瑞说道。

  算法

  支持锯材的生产和销售

  如果把所有原木的生产潜力都列在一个表格里，那该表格会有成千上万行，异常庞大。为了找到最有效的生产优化方法，我们需要进行复杂的计算，考虑成千上万种不同的组合方式。在电子表格软件中，这种规模的计算需要耗时数天。

  芬林芬宝

  采用线性多变量优化技术进行计算。我们将有关锯材供应、生产和需求的数据输入该工具，然后计算出使用原材料的最佳方式。

  然后，将数据输入芬林芬宝锯材销售部门使用的分配工具之中。该工具可显示不同锯材产品的供应情况，并在一批产品售出后自动更新。

  芬林芬宝引入优化和分配工具的举措，彰显出公司的锯材厂业务正在发生根本性的变化。如今，芬林芬宝的生产基于真实的客户需求，而非历史数据或统计数据。

  因此，公司能够更快地应对客户需求的变化，并提高生产安全性，从而更好地服务于重点客户。生产和需求计划的数字化还提高了原材料的使用效率，并减少了碳足迹。

  “当我们更好地了解客户需求时，就可以专注于生产满足客户实际需求的产品。同时，我们可以减少生产需求量较低或供应链较长、碳足迹较大的产品。” 马基如是说。

  芬林芬宝正在努力提高生产效率，以便更好地满足市场需求并优化生产过程，从而使得自身更有竞争力。同时，更有效地使用数据有助于提升客户满意度，并助力企业履行环境责任。
来源：芬林芬宝