Projekttid: 2017 – 2018
Budget: 720 876 kronor
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.
Mätdata från anläggningarna har inhämtats från befintliga styrsystem samt med ett kompletterande mätsystem. Efter insamling av mätdata har olika modelltyper provats. Modelleringsarbetet har skett off-line och analys av resultaten har gjorts gemensamt av modellutvecklare och personal med processkännedom. Den modelltyp som gav bäst utfall är en metod baserad på latenta variabler (Lava). LAVA-modellen innebär bl. a. att den skattade modellen får få icke-linjära termer, och på så viss minskas även problemen med överanpassning som annars kan uppstå då allt för flexibla modelltyper används vid modellskattning. Det är en Black-box modell, men trots det är processkännedom viktigt och nödvändigt för en lyckad implementering. Resultaten från projektet är lovande men ytterliga verifieringar är önskvärda för att kunna eliminera säsongsvariationer. Inom ramen för projektet har även en teknisk plattform för implementering identifierats.
En hållbar batterisektor i Sverige genom effektivt underhåll av framtidens batteriproduktion.
2022 – 2023
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
Inom tillverkningsindustrin finns ett flertal operationer där en digital tvilling har potential att öka produktiviteten. I detta projekt studerades om en digital tvilling kunde prediktera skador och degradering av en klippmaskin på SSAB. Projektet gav goda resultat och vi planerar att gå vidare med nya projekt.
2017 – 2018
Projektet kommer att utveckla alla fyra stegen i att producera en textil barriär: från fiber till tygkonstruktion, laminering och själva produktionssystemet, för att möjliggöra en total utfasning av giftiga kemikalier och betydande minskning av klimatpåverkan.
2015 – 2019
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
The project's goal is to assist industry enabling sustainable work for operators during assembly of wire harnesses.
2022 – 2025
MIDWEST kommer att utveckla mekaniseringslösningar för förbättringsmetoder av svetsade komponenter.
2020 – 2023
Syftet med ARR-projektet är att utveckla potentialen för automation inom underhåll och återtillverkning.
2018 – 2021
Syftet med projektet är att utveckla och industriellt implementera system för miljömässigt hållbara olje- och vattenbaserade kyl- och smörjmedel med tillsatser av kol-nano additiv för ökad prestanda.
2016 – 2019
Digi-Load fokuserar på stärkt konkurrenskraft inom svensk ytbehandlingsindustri genom automatisering och digitalisering.
2017 – 2020
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 stödja implementeringen av Smart Maintenance genom utökat samarbete inom underhållsbranschen.
2017 – 2019
Demonstration av en digital infrastruktur som samordnar modeller och information från utveckling och skapar en digital tvilling som hålls aktuell med produktionsdata.
2017 – 2020
APPLY är ett fortsättningsprojekt med fokus på industriellt relevanta plasmakoncept inför lackering av plast.
2020 – 2023
Projektet tar fram en metodik för att SMF ska kunna skapa digitala tvillingar av sin produktionsmiljö och en webbaserad miljö för enkel lagring och åtkomst av dessa.
2018 – 2021
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
Förverkligar framtidens underhåll av batteriproduktion för en hållbar och konkurrenskraftig batteriindustri.
2023 – 2026
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
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
Det behövs kunskap som kan stödja design och styrning av automation materialhanteringssystem.
2019 – 2022
Ett forskningssamarbete mellan Luleå tekniska universitet och företaget RGS 90 ska ge nya behandlingsmetoder för tre vanliga men problematiska typer av avfall.
2015 – 2019
Nya lagar och förordningar skärper kraven på mer energieffektiva lösningar med mindre koldioxidutsläpp. Syftet med HTM är att verifiera Simplex Motion patenterade teknologi för motorstyrning med den senaste teknikens elektriska motorer med hög momenttäthet.
2015 – 2016
Aktuell forskning från Chalmers har visat att genom små justeringar av robotrörelser kan energianvändningen minskas med 10-30%, med bibehållen cykeltid.
2017 – 2020
Kunskapsförmedlingen