Projekttid: 2019 – 2019
Budget: 890 000 kronor
Satsning: SIP Produktion2030
Effektivisera sågverk m.h.a förbättrad övervakning och underhåll av produktionslinjen. Detta genom att dela data via digital tvilling mellan aktörerna i underhållskedjan.
Projektet fokuserar på att samla, strukturera och dela data för ökad effektivitet och ökad produktionstid för bandsåglinjen i Moelvens sågverk Valåsen. Projektet kommer att ta fram en digital tvilling som kan användas för att uppnå högre produktionseffektivitet. Detta kommer att ske tillsammans med SKF och OPTIWARE som tillhandahåller industriell utrustning samt tjänster för övervakning och underhåll. Moelven har redan en betydande mängd sensordata och produktionsrelaterade data för dessa delar av produktionen från ett tidigare projekt ”Det Digitala Sågverket”. I det här projektet kommer vi att fortsätta arbeta med dessa data, men istället för att analysera data endast internt hos Moelven kommer data struktureras för att delas med utrustning och underhållsleverantörskedjan. Under projektet kommer ytterligare data att läggas till, inklusive 3D-skanningar av sågverket, videodata från produktionslinjen och ytterligare sensordata som behövs för den specifika underhållstjänster som väljs för demonstration i projektets andra del. Forskningspartnerna, RISE och FCC, bidrar med expertis och många års erfarenhet av IoT, AI, AR, industriproduktion samt träindustri. Initialiseringsdelen av projektet kommer att fokusera på att definiera användningsfall för underhållsförsörjningskedjan för sågverk och specificera kraven på den digitala tvilling som kommer att ligga till grund för att utveckla demonstatorn i den andra delen av projektet. När användningsärenden beslutas kommer projektkonsortiet att utökas med fler industripartner som ingår i leveranskedjan för utrustning och underhåll. Vi kommer också att specificera en första digital tvillingplattform och välja informationsmodeller att använda.
SCARCE kommer att undersöka behov, möjligheter och hinder i värdekedjor upp- och nedström från små och medelstora företag (SMF). SCARCE kommer att undersöka vilka data som ska mätas och visualiseras och hur dessa data kan möjliggöra mer automatiserat utförande samt ge en mer dynamisk och proaktiv planering av produktionskapacitet och materialflöden genom företagen i värdekedjan. Dessutom studerar vi organisatoriska möjligheter, särskilt den framtida mänskliga rollen, för implementering och hantering i en digital och datastyrd värdekedja. Projektet utgår från interna digitala plattformar för SMF som framgångsrikt har utvecklats.
2019 – 2019
Förverkligar framtidens underhåll av batteriproduktion för en hållbar och konkurrenskraftig batteriindustri.
2023 – 2026
Den Virtuella Målerifabriken - Simulering av Ugnshärdning. Måleriet är ofta en flaskhals i produktion där processerna idag finjusteras genom testning på ett stort antal prototyper. För att kunna möta framtidens behov så behöver produktionsberedningen kraftigt förbättras. Syftet är att utveckla metoder, tekniker, mätmetodologi och mjukvara, för simulering av härdning av färg i IR och konvektionsugnar. Målet är att stödja industrins utveckling och optimering av ytbehandlingsprocesserna så att dessa blir mer energieffektiva; har en kortare ledtid i produktutvecklingen och ger bättre kvalitet.
2016 – 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
Projektet utvecklar ett koncept som möjliggör för industripersonal att enkelt ta fram IoT-stödda lågkostnadslösningar för förbättringar vid fabriksgolvet.
2018 – 2020
Projektet syftar till att stödja implementeringen av Smart Maintenance genom utökat samarbete inom underhållsbranschen.
2017 – 2019
WELDVISI ska skapa ett nytt sensorbaserat hjälpsystem för manuell tillverkning med kognitiv feed-back i realtid samt dokumentation av parametrar.
2022 – 2025
DiVISI syftar till att undersöka hur delning av digital information kan gynna värdekedjan skog-skogsindustri.
2020 – 2023
Syftet med projektet är att radikalt förbättra arbetsmiljön samt öka personalsäkerheten inom tung tillverkningsindustri genom att utnyttja den senaste teknologin för låg och ultraprecis positionering och beslutsstöd. Målet är att öka säkerhet genom att anpassa besluts- och positioneringssystemet för tung tillverkningsindustri.
2017 – 2018
Projektet syftar att digitalisera temperaturförloppen vid gjutning av valsar och föreslå åtgärder till gjutledaren för att öka träffsäkerhet av gjuttemperaturer
2015 – 2016
Unika metoder, tekniker och mjukvara för simulering av elektrodeposition och galvanisering.
2020 – 2023
DIDAM utvecklar och demonstrerar digitaliseringslösningar för industrialisering av Additiv Tillverkning
2020 – 2023
Målet med DiSAM är att skapa en unik test och demo plattform (AM Hub) i Sverige för additiv tillverkning av metaller och polymerer.
2017 – 2021
Tidsättning av manuell montering är centralt för verkstadsindustrins konkurrenskraft.
2021 – 2024
Projektet syftar till att digitalisera etablerade verktyg för hantering av produktionsstörningar.
2018 – 2020
I SCARCE II kommer en demonstrator tas fram för att visa hur SMF och associerade värdeflöden kan öka effektivitet, konkurrenskraft, hållbarhet och internt samarbete genom digitalisering. Målet är att visa värdet av en ny digital lösning. SCARCE fokuserar på två underleverantörer i värdekedjan kopplade till Scania och Volvo. Demonstratorn är en molnbaserad lösning som kopplar samman tre testbäddar i industrin; Stena Industry Innovation Lab, Chalmers, RISE IVF lab, Mölndal och KTH's testbädd i Södertälje med hjälp av Siemens, AFRY, Qbim, Virtual Manufacturing och EQPack.
2020 – 2022
Projektet syftar till att bidra till utvecklingen av framtidens ERP-system. Projektet ska undersöka hur man kan erbjuda arbete, omdefiniera arbetsroller och utmana företag att utnyttja avancerat systemstöd och tekniken inom och kring dessa. Sammantaget syftar projektet till att bidra till utvecklingen av både nästa generation av ERP-system och en komplementär förändring av hur företagen ser på arbetsorganisation, så att tekniken kan stödja och möta människors behov inom organisationer snarare än att genomföra strukturer på dem
2019 – 2019
Stärkt konkurrenskraft hos svensk tillverkningsindustri genom att förena de digitala och fysiska värdekedjorna för additiv tillverkning av storskaliga komponenter.
2017 – 2020
Förbättrad koordinering av digital transformation för bättre utnyttjande av nya teknologier.
2020 – 2024
2017 – 2019
Två stora omvälvande trender existerar idag parallellt - elektrifiering och digitalisering. Detta innebär den troligen mest omfattande förändringen inom bilindustrin som vi observerat på decennier. Det är inte lätt att balansera kundens förväntningar mot vitt spridda begrepp som nollutsläppsfordon, uppkopplade funktioner, materialval, och användargränssnitt, detta under press av kortare ledtider och lägre pris. AttributDo-projektet syftar till att hjälpa ingenjörer att definiera, verifiera och validera nya och befintliga designfunktioner inom produktutveckling.
2021 – 2021
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
Aktuell forskning från Chalmers har visat att genom små justeringar av robotrörelser kan energianvändningen minskas med 10-30%, med bibehållen cykeltid.
2017 – 2020
Developing circular production systems using digital technologies
2021 – 2024
Projektet syftar till att använda avvikelsesdata för att förbättra produktdesignen och produktionen.
2020 – 2023
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
Minska miljöpåverkan från gjuterier genom att minska mängden sandavfall med hjälp av maskininlärning.
2023 – 2024
En hållbar batterisektor i Sverige genom effektivt underhåll av framtidens batteriproduktion.
2022 – 2023
Prediktivt underhåll med internet-of-things och digitala tvillingar
2021 – 2021
Att visa på ny teknik med robotar som möjliggör för svenska företag att utveckla nya innovativa produkter för automatiserad produktion o underhåll.
2017 – 2020
Metod för förstå hur informationshanteringen kan automatiseras för effektiv hantering av produktionsavvikelser.
2018 – 2020
Kunskapsförmedlingen 