PrediktionsbaseradProduktionsoptimering (DiPP)

PrediktionsbaseradProduktionsoptimering (DiPP)

Projekttid: 2017 – 2018

Budget: 499 500 kronor

Satsningar: Produktion2030

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.

Syfte och mål

Avsikten med projektet var att utvärdera om en digital kopia kan användas för att prediktera degradering av verktyg så att oplanerade stopp kan undvikas och att inte verktyg byts ut i onödan. För ändamål valdes klippmaskiner på SSAB dessa påverkar produktionen om maskinen måste stoppas oplanerat. Målet med projektet var att påvisa att en digital tvilling kan användas för att förstå skador och degradering så att oplanerade stopp kan undvikas. Vi har i projektet kunnat visa att detta är möjligt.

Resultat och förväntade effekter

Projektet har påvisat att klippförloppet är möjligt att mäta och simulera. Vi har även visat hur processparameterar påverkar mätningar och att vi kan detektera skador och degradering på skär. Se Figur 1. Genom en simuleringsmodell kunde klippförloppet simuleras och genom att lägga till brus kunde förloppet simuleras med god precision. Första fasen av vibbrationer i mätningen (Figur 1 b) är en pump som startar vilket ej finns med i simuleringsmodellen. Brusnivån indikerar skärets kondition då ett slött skär ökar brusnivån i signalen. I ett efterföljande projekt planeras utvecklingen av en digital tvilling som kan prediktera skador och degraderingen av skär så att oplanerade stopp kan undvikas. Den förväntade effekten är att den digitala tvillingen ska följa processen och meddela operatör typ av skada och när ett underhåll bör planeras in.

Upplägg och genomförande

För att inte påverka tillverkningsprocessen valde vi att utveckla tekniken för en klippmaskin på LTU. Simuleringsmodeller över klipprocessen skapades och ett stort antal försök genomfördes för att validera modeller och detektera degradering och skador på skären. Under slutet av projektet genomfördes mätningar på en verklig maskin hos SSAB i Borlänge för att se om utvecklad teknik var möjlig att genomföra i industriell miljö.

Deltagande forskare

Partners

Dela

Liknande projekt

Flexibla modeller för smart underhåll

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

Search Next Previous Deselect Project manager URL Document Partner Calendar Place Close Menu Expand User Log out Profile