Utmaning

En global industrikoncern hade ett mycket stort lager, där en betydande del bestod av slow-moving eller non-moving artiklar. Detta band kapital och försvårade effektiv planering av inköp, produktion och distribution.

Företaget använde redan ett koncernövergripande system för efterfrågeplanering, implementerat i hundratals bolag globalt. Samtidigt saknades avancerad analys för att bättre förutse efterfrågan och optimera lagernivåer på artikel- och SKU-nivå.

Lösning

eghed utvecklade AI-baserade prognosmodeller som lätt kan integreras i den befintliga planeringslösningen för att förbättra efterfrågeprognoser och lagerstyrning.

Lösningen omfattade bland annat:

• Prognoser för Average Daily Usage (ADU) baserade på historisk förbrukning
• Korttidsprognoser för operativ planering kopplad till ledtider och veckovis planeringscykel
• Långtidsprognoser upp till 12 månader för bättre kapacitets- och inköpsplanering
• Efterfrågeprofiler och säsongsanalys för att identifiera variationer i konsumtionsmönster mellan olika artiklar

Resultat och värde

• Minskad kapitalbindning – Bättre hantering av slow movers frigör bundet kapital i lagret.
• Mer träffsäkra prognoser – Förbättrad precision på SKU-nivå ger underlag för välgrundade beslut.
• Effektivare planering – Inköp, produktion och distribution kan synkroniseras bättre.
• Skalbar AI-lösning – Stärker befintliga planeringsprocesser och kan rullas ut globalt.

Utmaning

Inom tung industri sker stora delar av produktionen manuellt i komplexa processer där precision är avgörande. Ett litet fel i tillverkningen kan resultera i att en hel produkt måste kasseras, vilket leder till enorma kostnader och produktionsförseningar. Traditionella kvalitetskontroller är reaktiva och upptäcker ofta problem för sent.

Lösning

eghed har utvecklat en AI-driven kvalitetskontroll med computer vision för att övervaka tillverkningen i realtid. Genom att analysera bilddata identifierar systemet direkt om komponenter monteras felaktigt och skickar omedelbara varningar till operatörerna. Det gör att fel kan korrigeras direkt och förhindrar att produkter behöver kasseras. Lösningen består av:

1. Computer vision & AI – Identifierar felplaceringar av komponenter i realtid.
2. Systemintegration – Koppling till befintliga produktionssystem för att spåra varje steg i processen.
3. Automatiserade varningar – Operatörer får omedelbar feedback och kan justera innan felet får konsekvenser.

Resultat och värde

• Färre kasserade produkter sparar enorma kostnader.
• Effektivare produktion – Operatörerna kan agera direkt vid avvikelser.
• Bättre spårbarhet – Integrationen gör det möjligt att analysera och optimera tillverkningsprocessen.
• Global expansion – Systemet har fått utmärkelser inom företaget och är nu på väg att implementeras i flera länder.

Utmaning

Lantbrukare står inför utmaningen att bekämpa ogräs och optimera växttillväxten på ett hållbart sätt. Att minska behovet av kemikalier och manuellt arbete utan att kompromissa med effektivitet kräver en lösning som kan identifiera, analysera och hantera ogräs på ett smartare sätt.

Lösning

eghed utvecklar en autonom trädgårdsrobot som kombinerar energieffektiva motorer och avancerad kamerateknik för att hantera ogräsbekämpning och grödövervakning. Lösningen är byggd på ROS2-ramverket, vilket möjliggör smidig kommunikation mellan roboten och en centralserver. Det skapar förutsättningar för realtidsuppdateringar och koordinering mellan flera robotar.

Resultat och värde

• Energieffektivitet – Minskad energiförbrukning genom optimerad motorstyrning.
• Flexibilitet – Roboten kan anpassas till olika jordbruksuppgifter.
• Datadriven odling – Kamerabaserad sensorteknik möjliggör exakt övervakning av växttillväxt och identifiering av ogräs.
• Framtidssäker automation – Integrerad kommunikation mellan robotar möjliggör effektivare samarbete.

Utmaning

I moderna tillverkningsprocesser genereras enorma mängder sensorbaserad tidsseriedata. Att manuellt identifiera fel och avvikelser är tidskrävande och riskerar att defekta komponenter passerar oupptäckta. En av våra kunder behövde en lösning för att automatiskt upptäcka produktionsavvikelser i realtid.

Lösning

eghed utvecklade en AI-driven mönsteranalyslösning som kombinerar statistik och maskininlärning för att analysera produktionsdata och identifiera avvikelser i realtid. Systemet är molnbaserat och optimerat för att hantera stora datamängder utan att kompromissa med prestanda.

Resultat och värde

• Automatiserad felupptäckt – Problem kan identifieras tidigt i produktionsprocessen.
• Minskad kvalitetsrisk – Högre noggrannhet i identifiering av defekta komponenter.
• Effektivare arbetsflöde – Minskad manuell granskning frigör tid för annat arbete.
• Skalbarhet – Anpassningsbart system som hanterar växande datamängder.

Utmaning

Att fatta rätt inköpsbeslut är avgörande för grossister, särskilt vid hög prisvolatilitet och långa leveranstider. Tidigare baserades många beslut på subjektiva bedömningar, vilket kunde leda till ineffektiv lagerhållning och onödiga kostnader.

Lösning

eghed utvecklade en intelligent prediktionsmodell som analyserar marknadsdata och identifierar trender i prisutveckling och efterfrågan. Modellen skapar bättre beslutsunderlag för både köpare och säljare genom att kombinera historiska mönster med aktuella marknadsfaktorer.

Resultat och värde

• Datadrivna affärsbeslut – Minimerar risken för felaktiga inköp genom att ersätta subjektiva bedömningar med prediktiva analyser.
• Effektivare lagerhållning – Säkerställer att rätt produkter finns i lager vid rätt tidpunkt, vilket minskar kapitalbindning och svinn.
• Strategisk planering - Större möjlighet att förutse och anpassa sig till marknadens svängningar.

Utmaning

Vår kund är ett bolag inom proptech-sfären som utvecklar digitala lösningar för fastighetsautomation. Genom att koppla upp sig mot olika fastigheters så kallade BMS-system får man tillgång till realtidsdata från en mängd olika sensorvärden så som inomhustemperatur, energiförbrukning, värmesystemparametrar, varmvattensförbrukning m.m. Denna information används sedan för att utveckla en mängd smarta lösningar för t.ex. styrsystem, underhållshantering och uppföljning. egheds uppdrag består här i att stötta kunden med all teknisk kompetens och implementation av AI- och Cloud-baserade lösningar.

Lösning

Tillsammans med kundens experter från fastighetsbranschen har vi på eghed utvecklat ett system för energioptimering. Genom en kombination av metoder från både machine learning och reglerteknik använder denna lösning prediktioner av de närmaste timmarnas energibehov för att beräkna en dynamisk och proaktiv värmereglering. Målet är generellt att hålla inomhustemperaturen stabil, men med en så liten energiåtgång som möjligt. Ovanpå detta har vi också implementerat ytterligare funktionalitet för de absolut kallaste dagarna som automatiskt undviker uppvärmning när detta är som mest kostsamt, utan nämnvärd påverkan av inomhuskomforten.

Resultat och värde

• Minskad energianvändning med upp till 15-20%.
• Ökad boendekomfort genom en stabiliserad inomhustemperatur.
• Ekonomisk uppvärmningsrutin som när tillfälle ges sprider ut uppvärmning innan riktigt kalla perioder och således minskar kostnader precis där det är dyrast.
• En webbtjänst med grafer och livedata över fastighetens alla sensorer.

Utmaning

Industrirobotar behöver kunna hantera varor av olika storlekar och former utan att kräva manuell programmering för varje nytt objekt. För att effektivisera plockprocessen krävdes en lösning där roboten kunde anpassa sig i realtid.

Lösning

eghed utvecklade avancerade algoritmer som gjorde det möjligt för robotarmen att automatiskt identifiera, beräkna position och vinkel samt plocka varor med hög precision. Genom att kombinera en dator för beräkningar med en 3D-kamera kunde systemet analysera och anpassa sig till varornas placering och orientering i realtid. Lösningen byggde på robusta matematiska modeller, vilket möjliggjorde snabb och exakt plockning även i utmanande miljöer.

Resultat och värde

• Automatiserad objektidentifiering – Minskad behov av manuell programmering.
• Hög precision – Exakt positionering och optimerad plockeffektivitet.
• Flexibilitet – Systemet kan anpassas för olika typer av varor.

Utmaning

Vår kund som är verksam inom tillverkningsindustrin har ett antal bolag inom sin koncern som var för sig har ett stort antal anläggningar runtom i Europa. För att maximera vinst och minimera klimatavtrycket inom bolagets tillverkningsprocesser och transporter behöver information från bolagens egna såväl som externa parters system aggregeras, analyseras, tillgängliggöras i rapportverktyg och i vissa fall predikteras.

Lösning

eghed har definierat och implementerat en koncerngemensam dataplattform för att tillfredsställa behov från BI-, Data Science- och Machine Learning-grupperingar. Genom att luta sig mot best practice har en ändamålsenlig lösning för hantering av data från ett stort antal affärssystem, tjänster och externa parter skapats. Genom att automatisera all inhämtning av data och även undvika manuella steg i analyssteget har en robust, säker och skalbar lösning erhållits. Baserat på principer för Data Observability är samtliga dataflöden kvalitetssäkrade med uppföljning i form av larmsättning och notifieringar till rätt resurser inom koncernen.

Resultat och värde

• Stort antal automatiserade dataflöden som affärsverksamheten beror på för daglig rapportering och uppföljning
• Ett antal prediktionsbaserade projekt som kontinuerligt används som beslutsstöd inom verksamheten
• ML-Ops arkitektur som säkerställer att prediktioner vars konfidens avviker hanteras och tränas om vid behov
• Ramverk för infomationklassificering för att säkerställa att information skyddas enligt gällande regelverk
• Ramverk för accesshantering för att säkerställa sömlös åtkomst för behöriga resurser och tillika enkel offboarding

Utmaning

Elonroad utvecklar en innovativ laddningslösning som möjliggör trådlös laddning av elfordon medan de är i rörelse. Systemet bygger på en integrerad elektrisk ledare i vägen, där en monterad arm under fordonet sänks ner för att etablera kontakt. För att säkerställa en effektiv och säker laddningsprocess behövde Elonroad en lösning som i realtid kan identifiera och spåra den elektriska ledaren, även under svåra ljusförhållanden.

Lösning

eghed har utvecklat ett avancerat visionsystem för Elonroad som identifierar och följer den integrerade ledaren under fordonet. Genom att använda robusta och optimerade maskininlärningsmodeller kan systemet i realtid prediktera både position och riktning av ledaren, även i utmanande miljöer med dålig belysning. Lösningen är designad för att köras på begränsad hårdvara utan att kompromissa med prestanda.

Resultat och värde

• Ökad livslängd: Minskad mekanisk belastning och slitage på den monterade armen och vägbanan.
• Maximerad laddningstid: Optimerad spårning av den elektriska ledaren säkerställer att laddningen sker under en längre tid.
• Robust realtidsanalys: Modellerna är anpassade för att hantera skiftande ljusförhållanden och andra utmanande vägförhållanden.
• Effektiv hårdvaruanpassning: Systemet är utformat för att köras på begränsad processorkraft utan att kompromissa med noggrannheten.

Genom denna lösning bidrar eghed till att skapa en mer hållbar och effektiv infrastruktur för elektriska fordon, vilket påskyndar övergången till en fossilfri transportsektor.

Utmaning

Kommuner behöver bättre dataunderlag för att förstå hur invånare rör sig och optimera kollektivtrafik och stadsplanering. Traditionella metoder saknar realtidsinsikter, vilket leder till ineffektiva beslut.

Lösning

eghed och Train Brain utvecklade en AI-driven analysplattform som analyserar anonymiserad rörelsedata från mobilmaster. Genom att identifiera trender och transportval kan kommuner fatta mer informerade beslut kring infrastruktur och kollektivtrafik.

Resultat och värde

• Optimerad transportinfrastruktur - Anpassning av kollektivtrafik baserat på verkliga rörelsemönster.
• Hållbar stadsutveckling - Möjlighet att minska trafikbelastning och främja miljövänliga alternativ.
• Datadrivna beslut - Bättre prioritering av resurser och investeringar.

Utmaning

I en produktionsmiljö verifierades kablage manuellt genom att operatörer läste märkningar på både kablar och anslutningspunkter. Processen innebar hög kognitiv belastning och risk för mänskliga fel, särskilt när många kablar och etiketter skulle matchas korrekt.

Företaget ville undersöka möjligheten att automatisera verifieringen med hjälp av datorseende, för att öka kvaliteten och minska beroendet av manuell kontroll.

Lösning

eghed utvecklade ett visionbaserat verifieringssystem som automatiskt kontrollerar att kablarnas märkning matchar rätt etiketter.

Lösningen bygger på en kombination av bildanalys och AI:

• Segmentering av kablar för att identifiera och lokalisera varje kabel i bilden
• OCR-baserad textigenkänning för att läsa märkning på kablar
• QR-koder på etiketter för robust identifiering av anslutningspunkter
• Spatial matchning där systemet kopplar varje kabel till närmaste etikett baserat på position

En stationär kamera ovanför monteringsstationen analyserar kontinuerligt uppställningen och verifierar att märkningarna matchar.

Resultat och värde

• Minskad risk för felkopplingar i monteringsprocessen.
• Automatiserad kvalitetskontroll direkt i produktionen.
• Minskad stress för operatören – systemet tar över den kognitiva bördan av manuell märkningskontroll.
• Grund för skalbar vision-lösning för automatiserad kontroll i produktion.