#22 - SPECIAL - Live-podd från Ingenjörsdagen i Malmö om autonoma lastbilar, framtiden för rent luft, maskininlärning inom tågbranschen och automationsplattform med öppen design

Detta är specialavsnitt från Ingenjörsdagen i Malmö där Anna Leijon intervjuade fyra otroligt spännande individer från fyra olika företag, nämligen Scania, Nederman group, Devoteam och Bosch Rexroth. Vi har pratat om autonoma lastbilar, framtiden för rent luft, maskininlärning inom tågbranschen och sist, men inte minst, automationsplattform och öppen design. Intervjuerna spelades in live och på plats på Ingenjörsdagen i Malmö. Hoppas att du gillar dem och glöm inte bort att prenumerera på podden och att du även kan ge betyg i vissa poddspelare!

Bra länkar:

• Scania
• Nederman Group
• Devoteam
• Bosch Rexroth
• Det här avsnittets sponsor - Ingenjörsdagen! Den är till för alla som har ett intresse för tech och i år går det av stapeln 25/10 i Luleå och 9/11 i Göteborg och nästa år igen i Stockholm och Malmö. Kom och häng på Ingenjörsdagen - jag kommer att vara där - tonvis med inspiration, socialt utbyte och nya lärdomar inom spännande techområden utlovas. Gå in på ingenjorsdagen.se för att läsa mer och anmäla dig (det är helt gratis) och glöm inte att du kan nominera grymma techpersoner till Stora ingenjörspriset!

Intervju 1: Autonoma lastbilar - hur långt har vi kommit?

Med Henrik Franzén - Head of Autonomous Strategy & Partnership at Scania.

När kan vi se Scanias självkörande lastbilar rulla ut på gatorna?

Det är 10 000-kronorsfrågan som alla vill ha svar på, men man kan redan idag se våra lastbilar på vägarna. De är dock ute på gatorna ur ett utvecklingsperspektiv och det är ingen riktig kommersiell trafik än. I gruvor i Australien i Rio Tinto, där kör vi också en hel del autonomi. Om vi istället pratar generellt kring autonomi så kommer troligtvis det stora genomslaget i världen redan 2025/2026. Då kommer vi börja se kommersiella körningar. Det kommer inte vara specifikt våra, men för att återgå den generella bilden. Det kommer att börja ske i liten skala - där det finns förutsättningar för att det kan börja ta fart. Som i delstater som Texas och Arizona i USA, där är det perfekta förutsättningar - vädermässigt, logistikmässigt, lagstiftningsmässigt och så vidare.

Vilka konkreta exempel finns redan idag?

Som jag nämnde har vi endast utvecklingsrelaterad trafik på vägarna idag och det är på E4:an mellan Södertälje och Nyköping. Dock har vi alltid med en säkerhetsförare i hytten idag på de körningarna, men lastbilen kör helt själv. Vi har som sagt också starkt fokus på gruvsidan - med så kallade confined eras - de är avgränsade. Det är en enklare miljö att vara i och utveckla autonomi i. Så vi finns i Södertälje och med kund i Australien, exempelvis.

Kan man se på lastbilen att den är autonom?

I framtiden kommer autonoma lastbilar inte att ha någon förarhytt eller förbränningsmotor, utan en elmotor. Idag har de dock det, men man kan se att det är autonoma lastbilar på de olika sensorerna, kamerorna och räcken på taket. Det är inte jättelätt att se om man inte letar efter det, men gör man det kan man se att det är en autonom lastbil.

Vad innebär omställningen med autonoma lastbilar för ingenjören?

Det finns många aspekter såsom klimatomställningen, men också underskottet på lastbilschaufförer och den allt större efterfrågan på transporter. Exempelvis är det ett stort underskott på lastbilschaufförer i USA. Det finns verkligen ett gap att fylla med den här teknologin. Det är inte frågan i det här fallet “vad som händer med jobben”, som annars teknikframsteg kan leda till. Här är det istället redan en etablerad efterfråga. Däremot kommer manuella transporter och autonoma att gå parallellt under lång tid ändå. Det är en teknologi i framkant och vi förändrar någonting som har sett väldigt likadant ut under mycket lång tid. Förändringen bidrar till både bättre miljö och samhälle.

Hur bidrar autonomi, eller självkörning, till en bättre värld?

Med en helt autonom lastbil, till skillnad från dagens lastbilar med en fysisk person i hytten som behöver vila och så vidare, kan man optimera transportflöden utifrån en 24/7-körning. Förutom att behöva ladda eller tanka, behövs inga fler pauser. Det går bra att köra på nätterna och man behöver inte heller köra lika snabbt, vilket bidrar till lägre utsläpp och bättre miljö. Vi har också sett att lastbilschaufför som yrke - den yngre generationen är inte lika taggade på att bli det. Det är mer en livsstil än ett jobb - man är liksom en trucker. Med autonomi behöver det inte vara så och vi kan ersätta de längre transportsträckorna. Vi brukar prata om first mile och last mile - på de sträckorna skulle man kunna ha kvar riktiga personer, men på de riktigt långa sträckorna kan man köra autonomt. Det bidrar också till en bättre livsmiljö för yrkesgruppen, tror vi. Det finns massvis med positiva samhällsaspekter och samhällsvinning.

Enligt statistik sker 93% av olyckorna på vägarna på grund av mänskligt felande. Skulle du anse att ett självkörande fordon är säkrare än ett fordon med en människa bakom ratten?

När det kommer till trafiksäkerhet vill jag först säga att vi såklart inte släpper ut en produkt som inte är validerad, säker och godkänd. Mänskliga förare kan dock uppleva trötthet, stress och så vidare som inte en autonom förare gör. Den mänskliga faktorn tas bort. Det skulle dock kunna vara så att medtrafikanter kan se att det är ett autonomt fordon och vill busa med det på grund av det. Man kan heller inte garantera att autonoma bilar inte är med i några olyckor, men det kommer säkert att vara säkrare överlag.

Varför kör ni de rutter ni kör idag (trots att de inte är kommersiella)?

Vi övar algoritmer och samla in data. Vi tränar den virtuella föraren. Vi identifierar ett nätverk runt omkring som hjälper oss att definiera var bilen ska köra och hur vi borde styra den i det nätverket. Vi genererar mer insikter och data genom att köra i det. Det handlar om hur vi bygger upp den operativa delen kring autonomin och vi samla in ren data för att lägga grunden för framtidens transportnätverk.

Hur ser du på den eventuella juridiska tvisten som kan uppstå mellan människa och maskin vid olycka?

Som med alla nya tekniker finns inte juridiken på plats från starten, men tillsammans med beslutsfattare sätter vi det legala ramverket runt omkring. Idag om det är en trafikolycka med en autonom bil så är det svårt om det går till domstol vad man kan luta sig på, men teknikutveckling och samhällsutvecklingen med regler, lagar och förhållningssätt utvecklas samtidigt och parallellt.

Vad är det största hindret för att köra helt autonoma bilar på gatorna? Juridiska, acceptans i samhället eller någonting helt annat?

Delvis är det det juridiska. I södra USA är man däremot väldigt öppen för att få in detta så snart som möjligt. Ny lagstiftning i Tyskland är också positiv. Övriga Europa är inte så långt efter heller. Förmågan att köra är delvis ett annat hinder. Där det är vackert väder 365 dagar om året är det såklart mycket enklare. Här hemma har vi regn, snö och så vidare som gör det svårare. Det är bra förutsättningar i södra USA. Techbolagen har ju ofta också sina säten i Kalifornien. Det är mycket fokus på den amerikanska marknaden. Det är naturligt att det händer mycket där. De har också en stor brist på chaufförer och ökande efterfråga på transporter så det är en perfect cocktail.

När det kommer till era jobbmöjligheter på Scania - vilka roller efterfrågar ni och var finns de?

Vi söker ständigt kompetens inom det här området. Vi är också en del av en grupp där det finns jobb i Tyskland och USA också. Det här är en global företeelse. Många roller behövs och överallt! Allt från att utveckla den virtuella föraren, arkitekturen och tekniken, klassiskt ingenjörsarbete och utvecklingsarbete, men också affären - att få den på plats. Att sätta framtidens ekosystem och att driva de här frågorna. Söker en väldig bredd av olika kompetenser, men den röda tråden är tekniken och autonomi. Vi sitter primärt i Södertälje i Sverige. Autonomi håller vi också på med i Tyskland och i USA. Helheten från Scania hålls dock ihop i Södertälje.

Intervju 2: The future for clean air

Med Sven Kristersson - CEO of Nederman Group.

Nederman is working with air filtration and clean air all around the world, but why is air pollution a problem?

Air pollution is a global problem. Lots of reports have stated that more than 90% of the world’s population is not breathing clean air. A recent report even said 95% did not. Bad air is one of the top killers in the world. It leads to respiratory and vascular diseases, among other things. Also cognitive abilities are going down if you are exposed to bad air. There can be fine particles in the air that are invisible to you. Many of these things we have known for 30-40 years now. We have had an idea about this and different solutions. In Sweden we have developed solutions for this, but the development in this area for the last decade has really leveled it up. We have now fine-tuned the way of measuring and also studying and understanding this and it is a severe problem. We now understand it much better in a number of different areas. It is one of the key killers, which leads to bad health situations - and it is utterly important to have clean air around us.

You say that 95% of the population is exposed to bad air, but are you working in the industrial or private sector?

We are working in the industrial sector and particularly in manufacturing, research and so on. It is the industrial application that is interesting for us. Not residential and such, but we are handling toxins, gas and particles for industrial applications among other things.

You have recently developed a new unique IoT platform, which is kind of a buzzword in the tech scene, but what is the platform for?

The IoT platform is just a vehicle, the important thing is what we put into it. What we realise with the platform is measuring, capturing devices and how we handle this information. The information helps us create better products and oversee the use of the equipment and extend the knowledge base. The users can impact the clean air and that it comes out in a cleaner way. That means that by using these technologies we get a better knowledge about what is really going on. We have a 73 years old engineer (who still wants to work with this at our company) who says that now finally we have the data to see what we thought was true all along. Everything we have been saying the last 30 years, we can now prove with data. The IoT platform gives nothing in itself, but the use and the ability to collect and analyze in our processes is improved and that is its value.

What benefits for the user and for society could this solution contribute with?

We know more. The more our customers use it, the better the world becomes. With improved processes and the increased use of the data in further development and filtration technologies, we can also act on it.

What is the biggest “bad guy” in creating bad air in the industry?

Everything could be a “bad guy” and create air pollution. Even too much water. Drinking too much water is also harmful, as my chemistry teacher said. For example, very long exposure, or very concentrated exposure to any chemicals. We work with foundries, recycling facilities, cemeteries, wood manufacturers and all of these can be harmful if you are exposed to them day in and day out. Some are more harmful to let out in nature, for example. We are working with protecting both the people, the planet and the production. We want to create a safe working environment and when we can measure it we can also act on it. We have been unaware for such a long time that for example some harmful diseases are caused by air pollution and today now we know why.

What technical challenges do the engineers face when working with your solutions to create clean air?

There are numerous technical hurdles and obstacles. With measurement, filtration technologies, how to handle the air flow and so on - everything, and we need many different competences. We may need a PHD in physics, working with material, filter particles, filtration of gas, and not one. We need to work in groups and cooperate to find the best solutions. We have great engineers, but we need even more.

You both have chemical and mechanical processing to create clean air today. Can you tell us more about that?

It depends on the context when to use which. You need to know what you are about to clean. If there are certain particles or gas - you need to define what you want to clean and how. Many technologies and further developments are ongoing. You will need certain chemicals or particles for certain techniques. You may also have really fine particles that can go through the body, which you need to be able to pick up. We use different capturing devices and medias to capture the different particles. There are also different ways of mixing chemicals with each other to make them harmless.

The industry is usually focusing on their core production and they do not have the time or ability to clean the air themselves and that is where you come in, right? But what about your own side product or bi product of your own cleaning - what do you do with that?

We have a process backstream for efficiency. For example, we have special products for recycling lead batteries and it is really nasty handling that. If the environment is clean and the workers are safe, then that in itself increases efficiency. With the IoT platform we and them know what is going on and we know before it is too late. We optimize their basic processes and they are often measured on how efficient they are. Sadly, we may come in late in the process though. We take care of the bi product and define how to handle that and make a suggestion to them. We may come in and measure and see if they have dangerous particles they need to take care of.

It can be dangerous for individuals to breathe and to be let out in the environment. If we capture it, it can tell us more. Capturing it inside the manufacturing facility or research facility or wherever, at the source is the best solution. Both to protect the people and the equipment. Through some kind of filtration we may capture it, measure it and control it. Through the ability to connect and understand - and we have some large complex installations, which we guarantee will work the next 10 years. We provide service and equipment. Remotely we have surveillance and know what is going on.

There are chemicals coming into your capturing devices, but what happens with your own bi product?

We take care of that of course. There are systems in place. Some things are very toxic and we take care of that and someone else down the line may handle it. We are not handling residuals here. We are only capturing them. Residuals can be quite valuable too. We work with a watch manufacturer whose residuals end up in small filters which will have gold parts in it. With the increasing prices of raw materials there is a growing interest in taking care of the residuals and reuse them. You need to separate the toxic and raw materials. There is a business with the bi products sometimes. We need to collect it in a good way and so that the customer can reuse it. It is a circularity in the way of thinking.

What is the future for clean air? What is the great potential that you see for this industry?

The awareness is growing about the pollution created. A positive extra from the Corona virus was that we could see the air pollution in New Deli since for the first time in 40 years, one could see the Himalayas from the city. That was a very visual demonstration of air pollution. The pollution that is created by the industrial activity, the traffic etc - the technology is there to get rid of the pollution. We need decisions and will - that is what it is a matter of. The awareness continues to grow in the meantime! We also need to continue the research. We have to continue to have clean manufacturing processes.

Is there a disparity between recognising the urgency of clean air in different parts of the world?

In Europe we have a long tradition. The industry for clean air is growing and the awareness is growing as well. In other places, they lack the capabilities in some areas. For example, I met with the Minister of Health in Vietnam. He knew perfectly well that it was a problem. He said that “we know, we need to do it, but we also have other problems that are more imminent”. The information is there, the knowledge is growing, the awareness is growing and people are demanding it also with growing wealth. If you have food and roof over your head, clean air is next in line. People are going to start to demand clean air as well, with growing wealth.

There is also a trend with transparent product chains, which is something the private customers demand, they want to see the whole production process. Particularly the younger generation. My kids are in their early 20s - they are referring to and looking to production chains. The debate has an impact. The consumer impact is very strong. It is stronger than legislation and all of the others. Consumers who know and make a choice have a very strong impact. This is also visible between our customers. Their attitude is slightly different to food manufacturing with a strong international brand, or diapers and so on. How sensitive they are to consumer pressure and in the decision processes. Marketers are losing market share, which is going to hurt. They are not positive to say the least. Already the consumer brands are much more aware than the basic industry. It is more regulatory driven in the base industry compared to the consumer industry.

If I, as a consumer, want to know if this product is Nederman certified, how could I do that? I would like to see the Nederman quality stamp.

They will not allow you that deep into their processes. Nederman is inside your factory. We are not there yet.

What open positions do you have and where are your positions located?

We are looking for engineers in Sweden mainly in Helsingborg, but also some other locations. However, we are a very global company. Only 10% of employees are in Sweden. The rest is spread out around the world. There are a lot of opportunities with us. We are a global company, in lots of different countries and with lots of different people - you have that opportunity. We work with research and manufacturing all around the globe, for example.

Intervju 3: AI and automation in the train industry - today and in the future

Med Per Sikö - Head of Dales at Devoteam.

Per Sikö - head of sales of Devoteam, is your title correct?

No, I have a new title from yesterday - tech evangelist. Kind of a buzzword in tech, they never stop coming.

I want to talk about a cool project that you and Devoteam have built together. It is in the train traffic industry and you have built a maintenance platform for Alstom (previously Bombardier). Tell us more about this platform!

Let us start with the problem. Everyone has experienced train delays - everything from a few minutes to that the train won't come at all. This is not only a frustration that consumes a lot of people, it is also a substantial cost. Companies are losing millions every year because of train delays. The most important factor behind train delays, we have seen, is that something is broken or malfunctioning in the infrastructure. Particularly like train switches. Those are the most common cause of train delays. So we wanted to predict the maintenance needs with machine learning. We deployed sensors all along a particular train track in Sweden - between Göteborg and Alingsås. With the sensors, we check temperature, friction, the time to make the switch and we alert the administrator. We say that “this part is probably going to break”. We have also built a case handling system. There are alerts created in a web based interface or in a mobile phone. They can then forward it to any of their subcontractors or to someone who is responsible for that part of the track. It is still in prototyping and we are testing it out. It is not available in all of Sweden yet.

What about the tech stack - the techniques - that you have used when you built this. Can you tell us more about that?

It starts earlier than machine learning. We have IoT sensors, which we contemplated whether or not we should buy or build ourselves. In the prototype, building our own was within the cost range, but the sensors really needed to be inexpensive. However, we are not hardware manufacturers and they need to be custom made for this. We made a choice and we knew that we were going to need specialized data. If we buy the sensors, we don't know the quality and everything depends on the supplier, so we built them ourselves. Next is not trivial - the user interface. Machine learning could be argued to be important, but I think the user interface is more important. It needs to be intuitive. It is easy to skip this important part with the user experience, but we spent quite a long time with that. Then comes the machine learning part. Here we also made some choices. For instance, the cloud, but we are also cloud agnostic, we could use azure, aws or google cloud and we align with whatever the customer uses. We use the choice that the customer prefers. We also had to build native mobile and react for the web platform. We could have chosen a hybrid platform, but for better performance, control, custom made and so on we chose to develop support for native mobile as well as React.

When it comes to machine learning - how did you implement that in your platform? Did you build your own or take something else out of the box?

It was a three step process. A common pitfall is to invest heavily in the beginning, but then you don't understand the data, you may have not even yet collected the data. Instead we implemented easy threshold values or so-called IF statements. “If above this” it will probably break. With that, we created business value from day one. We could say that “if above this value” it is a 30 % probability that it is going to break. We started collecting data, understanding the data. That takes time and particularly to understand the anomalies. Step 2 was to start introducing some real statistical analysis and bigger data sets. That is better than IF statements. A lot of people confuse data analysis and machine learning. Step 3 was machine learning, but we struggled quite a lot with that. I don't think you should build your own algorithm, but instead just use something that already exists - like an open API. Building your own algorithms is hard. A hybrid version is good.

The difference between statistical analysis and machine learning is that with machine learning, it improves over time, can learn and correct itself, and becomes more and more spot on over time the more data you gather and train the model with. Do you agree or what is the difference between data statistics and machine learning?

With machine learning the algorithm can improve for sure long-term. Can be. It will probably reach a point where it does not improve anymore though. Then it needs another approach or another algorithm to develop further. Data analytics is limited to what you have right now, but that is often good enough in most cases.

Machine learning is a buzzword, and is often used in marketing. Many may claim that they are using machine learning when they in fact are not. Why do you think machine learning is not used that much in reality? Why haven't companies been able to start using it for real yet?

It is complicated and hard. You need to collect, understand and clean the data. That is hard, tedious and boring. When I have been in dialogue with other companies, they say that “we have so much data, but it is unstructured and in Excel or in E-mails. What are we going to do with it?” Another aspect why companies are not using machine learning that much is that people are quite happy with where they are. Machine learning is complicated and costly and often unnecessary. It is an exaggerated need. Big players like Microsoft, Google and so on provide us with APIs for example for image recognition. To detect people in images, they have built a machine learning model for that. Big companies build and charge for it. Us small companies can still use their APIs. Even if you have not built it yourself, you are still using machine learning.

What have been the biggest challenges and obstacles with building this and particularly with machine learning?

The biggest obstacle is always people. Understanding and talking. Also the domain - we are experts in the digital domain but not in the train industry. That was a huge problem, which takes time. Also, collecting data from train switches is not easy and then you need to store it in cloud structure and clean it. Finally, the analysis is the reward - the machine learning. But you can not just apply the algorithm and think that you will get great results. You need to try again and again. Those are the usual suspects. Applying machine learning and people - those are the big problems.

When you try to predict the maintenance needs of the train tracks do you take other things into account than you own sensors? For example, the weather or the human factor and so on.

If there is data, we can always enrich the existing data. We use services that predict weather data. We use SMHI’s weather data, for example. Those make the predictions better. However we cannot take into account people running on the tracks, for example. There are going to be traffic accidents. We cannot predict all delays, but some.

With this maintenance platform, what do you see in the future?

It will maybe not explode, but more platforms will be built. Not only for the train industry, but also for the construction industry. It can also improve. Also the car industry - there are a lot of industries. They will maybe not be revolutionized, but improved and it will create business value. If you have an interest in a career in machine learning and data science - pursue it! We’re just in the beginning, we have pre-trained models, open APIs, and we are well on our way to standardize the industry. We do not always have to reinvent the wheel. It is OK to use other’s APIs. I think 1% of the engineers working with this will build the algorithms and 99% will work with implementing their APIs. Unless you are a huge mega corporation then you probably want to build your own algorithms, but otherwise rely on others.

What kind of other applications of machine learning do you see? Train delays are great, but what other examples do we have that you find interesting?

For example, I see a huge problem, which is not related at all to this, but with social media and it is a growing problem. There is harassment and abuse. We cannot have a committee of people judging this. Instead we need to automate and pick up suspected behaviors and trolls. Any kind of harassment - we need to fix it. Another example is scanning texts. For example, with our customer Alfa Laval we are looking into this. When someone sends text info it could be on 10 000 pages. You may need a whole department scanning through this, but you could also automate it. Maybe only 50 pages are relevant. Machine learning can highlight what is relevant in an automated processes. Images we have already come a long way with. Text for sure is a big priority to look into next. Also construction, the entire retail. Maybe there will be some surprising industries like education and tailoring the learning path. Everyone learns the same thing today. I think we need to tailor and identify and provide individual learning paths for students, which machine learning could help out with.

The media is feeding us with the picture that “the machines are going to steal our jobs” and that it is the root of all evil. What are your thoughts on that?

They said the same thing in the 70s with the PCs and the opposite is actually true - we have never had more jobs in this domain. There are going to be downsides for sure, which may not be expressed in the newspaper. We will screw things up in the beginning, but we will fix it and we will see where we land.

Maybe we can automate repetitive tasks so that people can have more fulfilling jobs? After all, that is what we have been doing ever since the industrial revolution - automating - and there are still jobs.

Exactly. That is going to be the case with machine learning. I am surprised that we do not see chat bots more often. I do not see why we are writing e-mails all the time, book meetings - those are one sentence tasks and they are boring. We could automate that as well. Everybody is just sending emails to each other and meetings and we are 80-70% inefficient all the time.

What roles do you have available and where are they located?

All around the world. In Europe and in Sweden we have Halmstad, Malmö and Stockholm. Everytime there is a need for a custom made solution, which you cannot buy off the shelf - that is what we build. Everything from frontend, backend, cloud, machine learning, a lot of design - service design and so on and in React, anything, mobile of course. The whole ecosystem.

Intervju 4: Bosch Rexroth about opening up the design, modularity and compability with their new product CtrlX Core

Med Bjarne Restedt - Teknikchef Factory Automation på Bosch Rexroth.

Vad gör er produkt control x core som bryter ny mark för användaren och för er kund?

Control x core automationsplattform, brukar vi kalla den. Låt oss börja med vilka trender det som har lett fram till denna produkt. Exempelvis processorkraft - det fördubblas inom 1-2 år. Antalet uppkopplade enheter ökar - nu 20 miljarder. Det fördubblas mellan 18-24 månader. Mer data och big data hela tiden. Allting som utvecklas ska kunna kopplas upp eller kommas åt från en iphone eller android eller liknande. Tillsammans med den yngre generationen - generation y - ville vi möta allt detta! Vi ville vara en attraktiv arbetsgivare. Ungdomar efter universitet och högskola - en intressant arbetsgivare för dem. Därför tog vi fram en plattform som suddar ut de gamla gränserna mellan konventionella maskinstyrsystem, som kallas för PLC, som suddar ut gränsen mellan den och motion controllers. Vi har istället en IoT-lösning med maskininlärning - allting på ett och samma ställe istället. Det är ett stort steg och vi brukar säga att vi är “2 steps ahead” med den tekniska plattform vi har lanserat sedan några år tillbaka nu.

Det är intressant att du säger att initiativet är sprunget ur att kunna attrahera arbetskraft snarare än ett kundbehov?

Det är både och. Det är trender som pågår och som kommer förstärkas. Vi vill också attrahera personer som kommer ut från skolan. De har inte kodat i colosys 91131 (som är ett programmeringsspråk), utan de kan kanske Python, Node js, Java, Html. Allt detta går att göra i nya plattformen. Den är teknikagnostisk.

Vad kan man göra med den som man inte kunde med den tidigare produkten?

Tidigare byggde man ett styrsystem och sedan runt den en processor och arkitekturen runt det hela. Man var på så vis inlåst med hårdvaran. Med den här är du hårdvaruoberoende. Du kan sätta dit vilken processor som helst - det är unikt. Du har ett datalager runt kärnan som är byggd i Ubunti, själva core-kärnan. Du kan dra in appar hur du vill då det är helt appbaserat. Du kan ha en PLC-app, VPN-app, Motion-app, HMI-app och lägga in dem där. Exempelvis när du kommer hem på kvällen innan du öppnar dörren känner den av att Anna är på väg och tänder ljus, sätter på musik och så vidare. Vissa styr maskiner och vissa styr någonting annat. Det kan också uppdateras virtuellt inne i en device portal från olika ställen runt om i världen. Uppdatera appen via en molntjänst och i realtid. Ett ytterligare exempel här i Malmö så har vi en kund i Köpenhamn som använder den. Den används då i Köpenhamns hamnar för deras elektriska färjor. När de ska laddas så dockar de till i en laddhandske som styrs av den här produkten. Den ser var båten är någonstans.

Ni använder den främst för industriella användningsområden, men den går att programmera för exempelvis hemautomation?

Vi använder den för industriell automation. Gränserna som fanns innan suddas nu ut. Utan IoT-lösningen var du tvungen att skaffa ny hårdvara - det suddas nnu ut. Allting kan integreras i ett. Du kan styra den med en iphone och den är helt enhetsoberoende. Det är också en trend. Den nya generationen är uppväxt med tablets och smartphones. De vill inte köpa speciell hårdvara för ett enda syfte. De börjar bli så bra nu också plus att det är skön att ha en egen utrustning. Med din telefon kan du checka hur din utrustning mår idag och du behöver inte ens vara plats.

Apple låser in användaren med unika kablar, uttag, egen mjukvara - både ur ett utvecklings- och användarperspektiv. De har ett eget operativsystem, kodbas och så vidare. Det är exakt motsatt tänk mot för vad ni har med att öppna upp design, kompatibilitet och modulariteten? Hur motiverar ni det beslutet ur ett affärsperspektiv?

Vi gör tvärtom mot Apple. Vi tror att det är det vi behöver. Vi har inte allting. Vi har mycket automation, men vi har inte möjlighet att bygga allting. Om det är någon kund som behöver en speciell enhet, en sensor, eller vad som helst måste de kunna koppla in den och få den att fungera i vårt system med en vanlig USB-kabel eller vad som helst. Det ska gå att programmera en egen app. Vi tänker tvärtom. Hittills har det varit framgångsrikt. Vi har 50 företag redan nu som är ganska kända som har skrivit mjukvaruappar i vårt community. Vissa helt fritt för alla användare och vissa kan kosta att ladda ned, precis som i app store, och de bestämmer själva. Våra kunder utvecklar i vårt ekosystem - vi får draghjälp! Control x core - enheten, det är endast en liten burk. Den är core-baserad, med kretskort, kärna, processor. Den kan finnas i en manöverpanel, industridator, frekvensomriktare eller liknande och är kärnan i systemet. Den kan kopplas på vad som helst.

Är det ett teknikskifte vi ser på gång, tror du? Att öppna upp snarare än stänga in användare och utvecklare.

Det är öppet för utvecklaren att använda vad man vill, men företagen vill skydda sin egen data också. En bilfabrikant exempelvis vill kunna skydda sin data och den info de vill skydda, i sitt eget nätverk och har VPN-lösningar och så vidare. Vi har också en kund som driver ett högriskfängelse i Tyskland. De styr säkerheten i högriskfängelset med den här. Det är väldigt svår att hacka sig in i. Inte omöjligt, men väldigt svårt. I Köpenhamn har vi som sagt dockning av laddutrustning till fartyg, men vi har också portalrobotar som fräser små detaljer till bilindustrin och tandimplantat. Den passar för alla möjliga branscher.

Hur tror du att control x core kommer förändra branschen i stor och vad ser vi i framtiden? Vad är visionen?

Den nya generationen är vana med digitaliseringen och att hänga på. Vi kan inte fortsätta gå på så som branschen har gått på hittills. Automationsbranschen är en ganska mogen bransch. Vi kände att vi behövde rensa det vi har haft och börja om från början. Att ha en plattform som stödjer alla olika programmeringsspråk, implementationer och som är kompatibel med allt. Det är ett jättestort intresse för det här tänket.

Konkurrerar den med andra produkter som ni har som är mer icke-modulära inhouse som ni också säljer?

Ja, det gör den. Vi har två parallella program, kan man säga. De gamla kommer leva kvar 20-25 år till. Mycket är för fordonsindustrin och så vidare. De ska kunna finnas kvar. Den här lever sitt egna parallella liv. När vi kommer ut på företag är det oftast lite yngre killar och tjejer som nappar på konceptet. Studenter kommer till företaget och kanske har utvecklat någon prototyp på en Raspberry PI. Det går inte att industrialisera med en Raspberry PI, men de kan flytta över den koden till den här.

Vad kan denna som inte Raspberry PI kan?

Raspberry PI kan inte sitta i industrin. Den är inte gjord för det. Vår är industrianpassad. Vi har haft ett antal sådana fall där node js-kod flyttas över från Raspberry pi till denna och på så vis industrialiseras. Går från att vara en konsumentprodukt och labb-aktig till användbar i industrin. Denna kommer finnas i minst 25 år.

Vad har ni upplevt för utmaningar med er ctrl x core?

Öppenheten är bra, men vissa äldre tror att it-säkerheten inte är lika bra på grund av det. Det måste vi ofta förklara. Vi har massvis med olika säkerhetslösningar också såklart. Här idag har vi kunder som jobbar med den och alla är yngre. Det är en generationssak. Öppenheten gör den mer sårbar, tror vissa äldre. Öppenhet är inte bra, tänker de, men vår öppenhet är till för att plocka in perifera enheter. Säkerhetsmässigt är det en helt annat sak. Det är en misstolkning.

Vad har ni för tjänster öppna och var befinner de sig?

Vi behöver folk på tre ställen: applikationsingenjörer i Helsingborg, Göteborg och Stockholm. Vi behöver medarbetare. Andra bolag behöver också hjälp med att bygga nya framtida produkter baserat på denna plattform och de finns spridda runt om i Sverige.

Det och mycket mer i avsnittet. In och lyssna och glöm inte att prenumerera :)