Projekt

Projektet syftar till att digitalisera etablerade verktyg för hantering av produktionsstörningar.

2018 – 2020

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

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

Aktuell forskning från Chalmers har visat att genom små justeringar av robotrörelser kan energianvändningen minskas med 10-30%, med bibehållen cykeltid.

2017 – 2020

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

Projektet syftar till att stödja implementeringen av Smart Maintenance genom utökat samarbete inom underhållsbranschen.

2017 – 2019

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

Att visa på ny teknik med robotar som möjliggör för svenska företag att utveckla nya innovativa produkter för automatiserad produktion o underhåll.

2017 – 2020