Med store mængder data i ryggen
Når forskerne foretager eksperimenter, så undersøger de f.eks., hvad der sker, når der justeres på forskellige parametre i en fremstillingsproces. Det kan være sammensætningen af metaller i en legering, eller hvilke temperaturer eller tryk et materiale skal udsættes for. Tilsvarende kan man montere sensorer i en allerede eksisterende produktion, hvis man vil vide noget om den.
”Med datadrevne modeller indsamler man store mængder data og laver statistik på dem. Det gør disse modeller gode til at finde sammenhænge mellem ændringer i processen og ændringer i resultatet,” fortæller Jesper Hattel.
Fordelen ved datadrevne modeller er, at de tager udgangspunkt i specifikke situationer, hvilket gør dem hurtige at arbejde med, men også kun i stand til at sige noget om lignende situationer, dvs. de ofte er ret problemafhængige. Derfor er datadrevne modeller ikke altid tilstrækkelige.
”I datadrevne modeller ligger ofte kun sammenhæng og ikke årsagssammenhæng. Her kommer fysikdrevne modeller ind i billedet, for de fortæller ikke kun, at noget sker, men også hvorfor det sker,” fortæller Jesper Hattel.
Baseret på teoretisk forståelse
Nogle gange kan viden om, hvorfor noget sker, og ikke kun at det sker, give de bedste forudsætninger for at foretage meningsfulde og optimerende ændringer i en proces.
Med den fysikdrevne tilgang bruger man sin viden og sine teoretiske overvejelser om fysikkens love til at skabe en model, der kan imitere virkeligheden. Det er her, Jesper Hattels ekspertise kommer ind i billedet.
Med en forståelse for varmetransmission, fluidmekanik, faststofmekanik og materialelære kan han nemlig med avancerede matematiske modeller opstille en fremstillingsproces digitalt. Sådan kan han forudsige, hvad der kommer til at ske, uden at sætte en eneste maskine (på nær computeren) i gang.
”De fysikdrevne modeller kan sige noget meget mere generelt og indeholder flere faktorer. De er til gengæld meget tidskrævende og derfor ikke egnede til situationer, hvor man skal kunne foretage hurtige justeringer,” siger Jesper Hattel.
Det bedste fra begge verdener
Både data- og fysikdrevne modeller har deres fordele og ulemper. I initiativet MADE, der har til formål at styrke produktionen i Danmark, har Jesper Hattel arbejdet med at kombinere de to forskellige tilgange, hvilket også er noget, han i rollen som bedømmer på forskningsansøgninger ser flere og flere projekter, der arbejder med.
Kombinationen af store mængder data og forståelse af avanceret fysik kan gøre modellerne brugbare i ’real time’. Er en model hurtig nok til at svare på en konsekvensberegning, vil det gøre det muligt at reagere på afvigelser fra ønsket kvalitet i en produktion, så snart afvigelsen sker.
”Der er forskningsmæssigt mange, der prøver at kombinere de datadrevne modeller med de fysikdrevne. Hvis vi lykkes med det, så får vi noget, der er rigtig stærkt,” fortæller Jesper Hattel.
