Kunskapsförmedlingen Magnus Wiktorsson
Professor i produktionslogistik
Projekttid: 2023 – 2026
Budget: 19 000 000 sek
Dynamic SALSA - Dynamic Scheduling of Assembly and Logistics Systems using AI
EUREKA SMART-projektet Dynamic SALSA (Dynamic Scheduling of Assembly and Logistics Systems using AI) är ett samarbetsprojekt mellan partners från Sydkorea och Sverige. Projektet syftar till att utveckla AI-lösningar och praktiska mjukvaruapplikationer för dynamisk schemaläggning inom smart montering och logistik inklusive nya digitala tjänster, med tillämpning inom fordonsindustrin. Det svenska konsortiet av Dynamic SALSA fokuserar på att tillämpa digital teknologi i materialhantering för att realisera smarta produkt-tjänst-mjukvarusystem som skapar värden genom övervakning, kontroll, optimering och autonoma tjänster. Vi fokuserar användning av system för datorseende (vision) och AI-algoritmer för att övervaka och bekräfta interna leveranser. Dessutom tillämpas maskininlärning (ML) för dynamisk schemaläggning. Slutligen, kombineras befintlig kunskap om digitala tvillingar med ML, och automatiserad materialhantering. Dynamic SALSA involverar tre svenska partners: ett större företag (Scania), ett SMF (SIB Solutions) och ett universitet (KTH). Sammantaget bidrar detta internationella samarbete till att öka kunskapen om användningen av digital teknik som är avgörande för framtidens produktion. Resultaten av detta projekt ger fördelar för den svenska tillverkningsindustrin i allmänhet och områdena montering och logistik i synnerhet. Projektet stärker industriella deltagares ställning i Sverige genom att underlätta internationellt samarbete med toppmodern forskning och stärka akademisk forskning och utbildning inom ett område kritiskt för tillverkningsindustrin. Projektet identifierar nyckelindikatorer för ekonomisk, miljömässig och social hållbarhet och lösningar för att mäta dessa.
Vinnovas diarienr: 2022-02413
Det behövs kunskap som kan stödja design och styrning av automation materialhanteringssystem.
2019 – 2022
En utrustning för att karakterisera skiktutbredningsegenskaper hos pulver ämnade för additiv tillverkning (AM) har konstruerats med syfte att kunna förutse applicerbarhet och optimera pulverutnyttjandet, t ex för metallbaserad SLM (Selektiv lasersmältning).
2017 – 2018
DiVISI syftar till att undersöka hur delning av digital information kan gynna värdekedjan skog-skogsindustri.
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
Demonstrera lösningar för visibilitet i produktionslogistik, för dynamisk förmåga och resurseffektivitet
2019 – 2022
Utveckla och validera algoritmer för prediktivt underhåll baserat på AI och ML. Visionen är haverifri produktion.
2019 – 2022
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 använda avvikelsesdata för att förbättra produktdesignen och produktionen.
2020 – 2023
Hybridfogning, kombination av limning och mekanisk fogning, är mycket efterfrågad där flera material ska användas och sättas samman. HJT fokuserar därför på smarta fabrikens förmåga att skapa flexibel produktion med simulering och programmering i en digital tvilling som kombinerar den senaste tekniken för limning, montering och mekanisk fogning, reologibaserad simulering och automatiserad kollisionsfri banplanering. Projektets mål är att fokusera på hela hybridförbindelseprocessen och Att skapa en testbädd för hybridförening som en resurs för svensk industri.
2017 – 2020
