Kunskapsförmedlingen Tomohiko Sakao
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.
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. AI (Artificiell Intelligens) tekniker och digitaliseringstekniker från företagen kommer inkluderas i demonstratorerna. Marknadspotentialen för AI inom ansökans område bedöms som mycket stor.
Tillverkningsindustrin har idag tillgång till mycket stora volymer data från produktion och produkter i drift. Trots beprövade AI tekniker, digitala tekniker och Lifecycle Enginering (LCE), är det mycket ovanligt att de tillämpas i ett holistisk livscykelperspektiv.
De största förväntade effekterna av projektet (steg 1) och det kommande demonstrationsprojektet (steg 2) på den svenska industrin ligger i deras förbättrade kapacitet och konkurrenskraft inom produktion och underhåll. Miljöfördelar är även förväntade.
De centrala arbetspaketen inkluderar dokumentation av ”state of the art” inom AI och LCE. Tre värdekedjor kommer att undersökas: den första från Siemens Industrial Turbomachinery (SIT), den andra från Semcons kund och den tredje från Volvo Construction Equipment (VCE). En plan för att utveckla en demonstrant för varje värdekedja kommer att dokumenteras.
Linköpings Universitet (LiU) är projektkoordinator och bidrar med expertis om LCE. Mälardalens Högskola bidrar genom sin kunskap om AI och ett fall från VCE. SIT ger sitt eget fall. Semcon ger ett fall från egna kunder och potentiella lösningar för de tre fallen. Imagimob tillhandahåller delar av de tekniska lösningarna för de tre fallen. LiU ansvarar för projektledningen, där varje partner också är medlem.
Projektet syftar till att stödja implementeringen av Smart Maintenance genom utökat samarbete inom underhållsbranschen.
2017 – 2019
Att visa på ny teknik med robotar som möjliggör för svenska företag att utveckla nya innovativa produkter för automatiserad produktion o underhåll.
2017 – 2020
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
Projektet syftar till att använda avvikelsesdata för att förbättra produktdesignen och produktionen.
2020 – 2023
Projektet ska stödja den svenska fordonsindustrins förändring från fordon med förbränningsmotorer till elfordon och samtidigt öka användningen av nya, hållbara och miljövänliga tillverkningsprocesser. Projektet kommer att vidareutveckla friktionsomrörningssvetsning (FSW) för att möjliggöra tillverkning av en kostnadseffektiv, skalbar, lättvikts- och krocksäker batterilåda för elbilar. De tekniska målen är att utveckla FSW-metoden för fogning av blandade material, såsom gjutet och extruderat aluminium och för svetsning med hög hastighet, upp till 5m/min.
2019 – 2021
Förverkligar framtidens underhåll av batteriproduktion för en hållbar och konkurrenskraftig batteriindustri.
2023 – 2026
En hållbar batterisektor i Sverige genom effektivt underhåll av framtidens batteriproduktion.
2022 – 2023
Aktuell forskning från Chalmers har visat att genom små justeringar av robotrörelser kan energianvändningen minskas med 10-30%, med bibehållen cykeltid.
2017 – 2020
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
Triblade är en ny och banbrytande teknik för rotorblad till vindturbiner, som har potential att påverka hela vindkraftsmarknaden. Tekniken har utvecklats av Winfoor i samarbete med Lunds universitet och bygger på att varje rotorblad utformas som ett fackverk.
2015 – 2019
Utveckla och validera algoritmer för prediktivt underhåll baserat på AI och ML. Visionen är haverifri produktion.
2019 – 2022
Spånbildning är en oundviklig del av skärande bearbetning. Under det tidigare forskningsprojektet ”Lead-Free Brass” (LFB) noterades en till synes mycket ineffektiv återvinningsprocess för erhållet mässingsskrot, inklusive spånor.
2016 – 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
Projekt för att ta fram nya metoder att tillverka VVS-material utan bly.
2014 – 2018
Målet är att spegla produktion och tillgängliggör anpassad information för personal inom industrin
2018 – 2019
Målsättningen är att undersöka möjligheten för hårdvaru- och mjukvaruplattform, dvs modulära system som kan hjälpa produktionsarbetare att enkelt bygga IoT-baserade förbättringslösningar på affärsgolvet.
2017 – 2018
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 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
Dynamic SALSA - Dynamic Scheduling of Assembly and Logistics Systems using AI
2023 – 2026
Alla borrhål för bergvärme blir kallare med tiden. Hålls en högre temperatur i borrhålet, ges en bättre verkningsgrad. Solceller tappar verkningsgrad också verkningsgrad, fast när de värms upp. Detta projekt ska utveckla en solhybrid som ska kyla solcellen och värma borrhållet för bergvärme för att få ut bästa verkningsgrad.
2015 – 2017