Projekttid: 2017 – 2020
Budget: 10 232 000 kronor
Aktuell forskning från Chalmers har visat att genom små justeringar av robotrörelser kan energianvändningen minskas med 10-30%, med bibehållen cykeltid.
Aktuell forskning från Chalmers har visat att genom små justeringar av robotrörelser kan energianvändningen minskas med 10-30%, med bibehållen cykeltid. Dessa justerade rörelser är mjukare än de ursprungliga, vilket minskar robotens och dess komponenters slitage och ökar deras livstid. Många tillverkningsresurser som truckar, robotar, och transportband är ständigt i rörelse. Traditionellt är cykeltiden det stora kravet vid beredning av sådana system, varför hållbarhetsfrågor som energieffektivitet inte beaktas i nån större utsträckning. SmoothIT-projektet ämnar utveckla verktyg och metoder för energioptimering av programmerade rörelser, och övervakning av produktionen för att identifiera rörelser som kan förbättras, och planering av underhållsarbeten. Dessutom kommer onlineverktyg att utvecklas som automatiskt ka n optimera produktionen genom att justera rörelserna för att minska energianvändningen och öka enheternas livslängd.
Projektets syfte är att ta fram en plan för ett antal demonstratorer inom produktion och underhåll med komplexa produkter med lång livslängd producerade av internationella företag i Sverige. Målet är att göra en plan för att utveckla demonstranter i produktion och underhåll med hjälp av artificiell intelligens teknik, digital teknik och metoder för lifecycle engineering metoder.
2019 – 2019
Projektet syftar till att stödja implementeringen av Smart Maintenance genom utökat samarbete inom underhållsbranschen.
2017 – 2019
Förverkligar framtidens underhåll av batteriproduktion för en hållbar och konkurrenskraftig batteriindustri.
2023 – 2026
Ökad digitalisering medför nya möjligheter för svensk tillverkningsindustri. Projektet fokuserar på nödvändig data för variationssimulering och hur dessa data ska samlas in och lagras. Projektet bidrar till ökad geometrisk kvalitet och bättre beslutsstöd för ingenjörer och designers. Den tekniska värdekedjan täcker mätning och utvinning av relevanta data, lagring av data i databas, användning av data i variationssimulering (som digital tvilling) och visualisering av simuleringsresultat som beslutsstöd. Detta stöttar värdekedjan från leverantörer av mätteknik, till komponentleverantör, till databasleverantör, till leverantör av simuleringsverktyg och upp till OEMs. Projektet har potential att ersätta prototyper och testserier och minskar kostnad, tidsåtgång samt miljöpåverkan.
2019 – 2019
Att visa på ny teknik med robotar som möjliggör för svenska företag att utveckla nya innovativa produkter för automatiserad produktion o underhåll.
2017 – 2020
Projektet syftar till att digitalisera etablerade verktyg för hantering av produktionsstörningar.
2018 – 2020
Underhåll i befintliga anläggningar blir allt viktigare, där prediktivt underhåll har blivit en framväxande teknik. Användningen av digitala verktyg för simulering och beslutsstöd är aktiviteter som bidrar till en miljömässigt och ekonomiskt hållbar produktion. Inom detta projekt har olika typer av digitala tvillingar utformats och utvärderats. Specifikt har nya prediktiva modelltyper testats i två olika industriella fallstudier. De två fallstudierna är en värmeväxlare på SSAB och en profilhyvel på Svenska fönster AB.
2017 – 2018
Syftet är att utveckla modeller för visualisering och prediktering av leveransplansvariation i försörjningskedjan.
2018 – 2021
Effektivisera sågverk m.h.a förbättrad övervakning och underhåll av produktionslinjen. Detta genom att dela data via digital tvilling mellan aktörerna i underhållskedjan.
2019 – 2019
Målet är att spegla produktion och tillgängliggör anpassad information för personal inom industrin
2018 – 2019
To create an inventory of AI techniques for maintenance services, apply AI techniques to three industrial cases, and evaluate their economic and environmental implications.
2017 – 2019
En hållbar batterisektor i Sverige genom effektivt underhåll av framtidens batteriproduktion.
2022 – 2023
Kunskapsförmedlingen