Secure, Trustworthy, Industrial & Grounded — A Digital Assistant Anchored in Production Ontologies (STIG)

Research Project, 2026 – 2028

Svensk industri befinner sig i ett skede där kraven på effektivitet, kvalitet och hållbarhet ständigtökar, samtidigt som produktionsprocesserna blir alltmer komplexa och stora datamängder samlasin för att öka förståelse. För att möta dessa utmaningar krävs ny kunskap och avancerade analys-metoder som kan omsätta stora mängder data till praktisk insikt och styrning. Projektet bygger påerfarenhet från utvecklingen av SIFT-verktyget (Vinnova-projekt SIFT Dnr 2024-02480), somidag möjliggör sökning, analys och visualisering av korrelationer samt anomalier i processdataoch metadata. SIFT-verktyget kan visa mönster i tidsseriedata såsom krafter, vibrationer ochtemperaturer, i relation till metadata som material, kvalitet och underhållsåtgärder.Inom områdetför AI-baserade beslutsstöd råder idag en stark utveckling, där metoder somkausalitetsmodellering, kunskapsgrafer och avancerad maskininlärning successivt implementeras iindustriella miljöer. State-of-the-art omfattar tekniker som technical language modeling (TLM)för att strukturera och tolka teknisk information, samt automatiserad generering av modeller förkunskapsgrafer och kausalitetsmodeller. Forskningen visar att dessa verktyg kan förbättrafelanalys, riskbedömning och utbildning, men att integreringen av mänsklig expertis ochdomänspecifik kunskap är avgörande för att säkerställa tillförlitlighet, prestanda och säkerhet idessa AI-lösningar.

Marknadsläget för AI-baserade beslutsstöd i svensk industri präglas av ökad efterfrågan, särskiltinom sektorer där driftstopp, kvalitetsbrister och komplexa processer har stor ekonomiskpåverkan. Företag söker lösningar som inte bara visualiserar data utan även ger konkreta ochtillförlitliga rekommendationer och insikter för åtgärder. Ett stort hinder för en bredimplementering av teknologin är relaterade till utmaningar gällande tillförlitlighet och säkerhet ide svar språkmodeller genererar, under normalt bruk men även från illvilliga användare. Härföreslår vi säkerhet och försvar på två nivåer: 1) grunda modellens svar i fakta 2) inkapslamodellen. Projektet kommer adressera båda dessa nivåer men ett särskilt fokus kommer ligga pågrundning/förankring av modellens kunskapsbas. För att åstadkomma detta krävs förutomprocessdata även nyttjande av stor mängd tyst kunskap som finns hos operatörer ochunderhållspersonal. Denna utnyttjas inte idag fullt ut – erfarenheter som är svåra att sprida mellanindivider samt att integrera med avancerade tekniska hjälpmedel baserade på maskindata. Tidigarearbetade operatörer länge med samma maskiner och byggde djup förståelse, men idag är personal-omsättningen hög och upplärningstiden en kritisk utmaning. Företagen behöver därför lösningarsom inte ersätter kompetensen, utan gör expertkunskap tillgänglig och kombinerar den medinsikter från dataanalys för att stödja både nya och erfarna medarbetare.