Projekttid: 2019 – 2022
Budget: 5 000 000 kronor
Satsning: SIP Produktion2030
Utveckla och validera algoritmer för prediktivt underhåll baserat på AI och ML. Visionen är haverifri produktion.
Prediktivt underhåll baserat på artificiell intelligens och maskininlärning är ett topprankat användarfall med avseende på affärsnytta inom industriell digitalisering. Inte så konstigt med tanke på att Svensk tillverkningsindustri årligen betalar över 100 miljarder kr i underhållsrelaterade kostnader och 60% av alla underhållsaktiviteter är reaktiva. Projektet PACA har som mål att utveckla algoritmer för prediktivt underhåll, baserat på avancerad klusteranalys, för att öka precisionen och förståelse hos en beslutsfattare.
Tre användarfall kommer att tillhandahålla multipla dataströmmar (sensorer och datorsystem) från flera maskiner. Data kommer att analyseras tillsammans för att kunna identifiera intressanta mönster som kan jämföras mellan de olika maskinerna samt deras historiska loggar. Detta kommer att generera kunskap om hur olika mönster korrelerar med slitage, vilket senare kan användas för att designa en algoritm som predikterar framtida tillstånd/haverier av maskiner.
Förväntade effekter inkluderar ökad produktivitet, robusthet, resursutnyttjande och kompetens inom Smart underhåll och avancerad dataanalys. Konsortiet är tvärvetenskapligt och består av tillverkningsbolag, service och IT leverantörer samt universitet och högskola med expertis inom både Smart underhåll och avancerad dataanalys.
Vinnovas dnr: 2019-00789
2021 – 2024
Projektet syftar till att använda avvikelsesdata för att förbättra produktdesignen och produktionen.
2020 – 2023
Syftet är att utveckla modeller för visualisering och prediktering av leveransplansvariation i försörjningskedjan.
2018 – 2021
Dynamic SALSA - Dynamic Scheduling of Assembly and Logistics Systems using AI
2023 – 2026
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
AutoPack skapar optimala elkablageinstallationer baserat på optimering och maskininlärning.
2021 – 2023
Minska miljöpåverkan från gjuterier genom att minska mängden sandavfall med hjälp av maskininlärning.
2023 – 2024
Prediktivt underhåll med internet-of-things och digitala tvillingar
2021 – 2021
I SAPPA-projektet utvecklas en innovativ molnbaserad tjänstearkitektur för prediktivt underhåll av produkt- och produktionssystem, med fokus på industriella tillämpningar.
2014 – 2016
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
e-FACTORY kommer göra det möjligt för företag att använda digitala verktyg som ett medel för att erhålla ett antal olika produktionsvärden, t.ex. ökad kapacitet, förbättrad kvalitet, förbättrad spårbarhet, etc.
2018 – 2020
Målet med AutoFix är att öka automationen av fixturkonstruktion med integration av digitala verktyg från olika discipliner
2020 – 2023
Kunskapsförmedlingen