När ett globalt livsmedelsbolag kämpar med höga energikostnader och ökande klimatkrav är det lätt att tro att lösningen kräver helt nya system eller dyra sensorer. Men ibland finns svaret redan i den data som verksamheten sitter på.
McCain Foods i Kanada, en global ledare inom livsmedelstillverkning, stod inför utmaningen att deras system för naturgas inte utnyttjade energin optimalt. Resultatet blev höga kostnader, onödigt svinn och större klimatpåverkan än nödvändigt.
Resultaten talar för sig själva
Genom att använda AI och maskininlärning kunde McCain Foods:
- Öka energiåtervinningen med 41 %
- Spara motsvarande 174 000 CAD årligen i energi- och utsläppsrelaterade kostnader. Projektet beräknades ha en återbetalningstid på under tre år, vilket gör det lika attraktivt ekonomiskt som ur ett hållbarhetsperspektiv.
- Visa potential till att minska CO₂-utsläppen med ca 462 ton per år, vilket motsvarar utsläppen från hundratals bilar på vägarna.
Och allt detta uppnåddes genom att analysera och optimera utifrån redan existerande datapunkter. Inga nya mätinstrument installerades, vilket innebär att det fanns ännu mer potential om man i framtiden väljer att komplettera med ytterligare datakällor.
Hur det gick till – i korthet
Tillsammans med vår AI-partner Lemay.ai utvecklades maskininlärningsmodeller som analyserade befintliga datapunkter, inga nya sensorer behövde installeras. Modellerna kunde förutse energiåtervinning i realtid och avslöja exakt hur mycket varje enskild komponent i systemet bidrog eller slösade. På så sätt blev det möjligt att styra processerna smartare, punktmarkera de mest kritiska flaskhalsarna och optimera helheten.
Den bästa modellen implementerades sedan i en molnmiljö (Azure) och integrerades sömlöst i McCains befintliga systemlandskap.
Resultatet blev en lösning som inte bara synliggjorde ineffektivitet, utan som också dynamiskt optimerade energianvändningen i realtid.
Tekniken kan användas brett
Det här är inte bara ett livsmedelscase. Samma teknik kan implementeras i många verksamheter som har dyr utrustning som slukar mycket el. Allt från kylanläggningar till större produktionslinjer kan optimeras – med stora miljöfördelar som följd.
I grunden handlar det om att bygga och lära upp AI-modeller som är skräddarsydda för ändamålet.
- Man kan skapa stora besparingar och hållbarhetsvinster utan att riva och bygga nytt.
- Genom att arbeta utifrån den data som redan finns kan man snabbt nå mätbara resultat.
- Payback-tiden blir kort, och nyttan känns av i både ekonomi och hållbarhetsredovisning.
Hur kan det användas i andra branscher?
Det här caset visar att AI-driven energioptimering inte längre är framtid, det är nutid. För företag i Sverige och Norden finns enorm potential att:
- Minska kostnader genom smartare energianvändning.
- Sänka klimatavtrycket och bidra till hållbarhetsmålen.
- Integrera AI-lösningar i befintliga system på ett stegvis och kontrollerat sätt.
På Commerz arbetar vi med att bygga Unified Data Platforms, systemintegrationer och e-handelslösningar i världsklass. Genom samarbetet med Lemay.ai kan vi även stötta er resa mot AI-drivna innovationer från strategi och prototyp till färdig lösning i produktion.
Liknande lösningar kan bidra till att:
- Skapa hållbar tillväxt – minska både kostnader och klimatpåverkan.
- Optimera verksamheten – t.ex. via dynamisk lagerstyrning, intelligent ruttoptimering eller realtidsövervakning för att minska avvikelser.
- Förstå kunden bättre – med NLP och maskininlärning kan man snabbt utvinna insikter ur ostrukturerad feedback och identifiera marknadstrender före konkurrenterna.
Hur går jag vidare?
Vill du veta mer om hur AI kan skapa affärsvärde för just ditt bolag?
Läs mer på Commerz.se och tveka inte att kontakta oss för ett första samtal.