Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Set i lyset af, at vores energiforbrug nu ikke længere alene er et problem for vores klima i fremtiden, men er en meget konkret og nutidig krise, der både lænser kontoerne og udfordrer vores forsyningssikkerhed, bliver det faktum, at det bemeldte knæk – eller hvordan vi nu skal beskrive teknologiske muligheder for energioptimering – allerede eksisterer, men grundet manglende udnyttelse ikke bringer os i den ønskede retning, ekstra forstemmende.
Inden jeg fortsætter, vil jeg lige komme med en disclaimer og dermed forhåbentlig foregribe en masse indvendinger: NEJ! Hverken cloud, kunstig intelligens eller andre teknologiske spidsfindigheder er løsningen. Ikke i sig selv.
Vi kommer ikke 100 priocent i mål ”over night”, men vi kan komme meget langt under forudsætning af, at vi handler nu med teknologi, som allerede er kendt.
For sagen er, at store besparelser og optimering – hvis man kombinerer knowhow og disse moderne teknologier og udnytter deres potentiale – er mulige i et omfang, der virkelig kan flytte noget.
WHW
Det er en let tilpasset version af den gamle corporate-lingo-hest, der skal ud at gå: Man skal have styr på sit Why, How og Who.
I dette tilfælde, meget praktisk, adresserer disse tre spørgsmål samtidig det trekløver, der skal aktiveres for kunne optimere og begrænse energiforbruget.
Det er altid godt at tage udgangspunkt i noget konkret.
Hvis vi ser på den nuværende krise, er et truende element, at virksomheder potentielt kan blive nødt til at lukke deres produktionslinjer, fordi de ikke kan bære de voldsomt stigende energiregninger.
Dette er en erkendelse og en indsigt, som allerede nu står klar for virksomhedernes ledelser, og som burde være en stærkt motiverende faktor – Why – til, hvorfor der skal ses på løsninger, der kan sikre, at produktionslinjerne bliver ved med at snurre.
Det bringer os videre til How.
For det er begribeligvis ikke løst med en LED-pære, eller en påmindelse til medarbejderne om ikke at oplade deres private mobiltelefoner.
Forvandling kræver handling, men handling med effekt kræver indsigt.
Det giver os adgang til svaret på spørgsmålet.
Vi skal nemlig ikke bare have indsigt. Vi skal have dyb indsigt i data, og vi skal være i stand til at analyserer disse data, så vi kan omsætte dem til noget håndgribeligt og operationelt.
Så vi skal ud på gulvet, og der skal vi have flere spillere i trøjen.
Vi skal skabe en infrastruktur, hvor IoT – det forbundne netværk, der trækker data fra vores forskellige enheder eller maskinerne i vores produktion – integreres med en skræddersyet analytics-løsning, der bearbejder data til dataanalyser, som lavpraktisk optimerer, hvor længe og hvornår maskinerne skal være tændt, så energiforbruget times, blandt andet med anvendelse af ML-modeller, som identificerer forbrugsmønstre således, at energiforbruget effektiviseres efter dynamiske anvendelsesmønstre.
Det er en metode, der allerede er udviklet og testet med meget overbevisende resultater her i Danmark.
I 2021 lancerede forsknings- og udviklingsprogrammet ELFORSK under Green Power Denmark en løsning til prognosestyret prædiktiv elopvarmning.
En løsning, der gennem et netværk af intelligente sensorer, som henter data realtime, der kobles med yderligere prognosedata fra bla. elværker og DMI, efterfølgende processeres med en analyticsløsning for løbende med brug af ML-modeller at sikre effektivisering og således leverer fleksibel styring af CTS-anlægget (central styring af elvarme), så energien bruges, når den er billigst.
Besparelsespotentiale er ifølge Elforsk egne beregninger mellem 20-50 procent. Dette princip kan replikeres på langt de fleste energiforbrug.
Hvis vi løfter blikket fra produktionslinjerne og ser mere overordnet på virksomhedernes digitale drift, har vi tilsvarende muligheder, som kan sikre store besparelser.
Nærmest alle de førende cloudleverandører har allerede services, der giver indblik i og intelligent analyse af ressourceforbruget.
Med udnyttelse af de indbyggede muligheder, der allerede findes i cloud for fleksibel skalering, har virksomhederne mulighed for, at forbruget styres via en intelligent allokering – minut-til-minut – som sikrer optimal håndtering af ressourcerne, både hvad angår omkostninger og energiforbrug.
Det er helt indlysende ikke en lille opgave at implementere løsninger som disse.
Fuld udnyttelse af cloudens muligheder samt et fintmasket IoT på hele produktionslinjen og implementering af skræddersyede AI/ML-løsninger samt integration med hele virksomhedens digitale infrastruktur kan virke som et stort og indviklet projekt.
Men der er store gevinster i at begynde nu: Start småt og skalér, det er netop muligt med cloud.
Det er hverken et quick-fix, en hyldevare eller et pludseligt lodret knæk på en hockeystav.
Det kræver involvering af bred kreds af virksomhedens eksperter, som allerede har forudsætninger for at optimere, og leverandører af teknologi og knowhow skal involveres. De er vores Who.
For selvom det måske ikke er et lodret knæk, så ligger der et overbevisende potential. Pointen er, at der FINDES løsninger, og ressourcerne, der skal til, er til rådighed.
Der ER veje til at opnå energibesparelser, ikke i en fjern fremtid eller under forudsætning af, at vi får adgang til teknologier, vi endnu ikke aner findes. Som ellers ligger som den bærende idé med hockeystav-analogien.
Mange løsninger er her lige nu. Vi skal blot i gang med at udnytte dem.
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie, eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.