Under den 24 timmar långa tävlingen skulle deltagarna bygga en fungerande lösning på en utmaning från verkligheten. Anan Ashrabi Ananno valde ett case från Atlas Copco, som syftade till att förbättra produktionsprocesser genom att minska spill, maskinstopp och kostnader.
– Till en början verkade problemet hanterbart, men jag insåg snabbt att det var betydligt mer komplext än jag hade förväntat mig, berättar Anan.
Till skillnad från de flesta deltagare, som tävlade i lag om fyra till fem personer, arbetade Anan Ashrabi Ananno helt ensam. Han hade registrerat sig som en del av teamet ”Production Soldiers”, men ingen annan dök upp.
– Jag var ursprungligen tilldelad utvecklingen av optimeringsmotorn, medan andra skulle hantera front-end, back-end och AI-delarna. Men eftersom jag var ensam i mitt team fick jag anpassa mig och ta ansvar för allt, förklarar han.
Komplexiteten var stundtals överväldigande – jag var nära att ge upp.
Trots utmaningarna stack Anan Ashrabi Anannos lösning ut. Hans projekt fick flest röster från en jury bestående av 23 branschledare, inklusive chefer från Siemens Energy, Artex, SICK Sensor Intelligence, ACTIA, Linköping City Airport och flera tech-startups.
Atlas Copcos utmaning handlade om två saker. För det första gällde det att räkna ut hur stora produktionsomgångarna (batcherna) borde vara, utifrån hur mycket man trodde att kunderna skulle beställa. För det andra behövde man planera i vilken ordning omkring 500 olika produkter skulle tillverkas på sex olika maskiner. Att lösa båda problemen samtidigt gjorde uppgiften extra svår.
Anan Ashrabi Ananno använde Googles Gemini AI i sin lösning – ett verktyg som omvandlar naturligt språk till kodkommandon, vilket gör komplex programvara tillgänglig även för icke-tekniska användare.
– Till exempel kan någon säga: ”En av maskinerna är trasig – kan du planera om nästa veckas produktion?” och AI:n skulle automatiskt justera schemat, förklarar han.
Sedan tävlingen har Ashrabi Ananno blivit kontaktad av flera företag som är intresserade av hans tillvägagångssätt eller konsultkompetens.
– Flera jurymedlemmar nämnde att de inte hade insett att AI redan kunde hantera sådana uppgifter. Det var väldigt uppmuntrande, säger han.
Atlas Copco har uttryckt intresse för att vidareutveckla hans lösning.
– De kallade det en förstudie – en validering av att konceptet fungerar. Att göra det till en färdig produkt kommer kräva mer resurser, men det är en lovande början, konstaterar Anan.
För honom var det största priset inte trofén, utan att få visa vilken verklig påverkan akademisk forskning kan ha.
– Det finns ibland en uppfattning om att det är viktigare att anställa fler ingenjörer än en doktorand, men jag ville belysa vilken typ av innovativt tänkande forskare kan bidra med till verkliga utmaningar. Den här upplevelsen bekräftade det, säger han.