Trustworthy Predictive Maintenance TPdM
Forskningsprojekt, 2022 – 2025

Syfte och mål
Prediktivt underhåll (PdM) har den största potentialen för att generera affärsvärde i en tid av industriell digitalisering. PdM-lösningar måste utvidgas för att ge tolkningsbara resultat med ökad noggrannhet i förutsägelser genom pålitliga beslutsstödsystem för att uppnå visionen om en produktion utan fel. Därför syftar TPdM-projektet till att utforma människocentrerade beslutsstödsprototyper för PdM för att uppnå uppföljningsbara beslut med hjälp av avancerad data science och skala upp de innovativa PdM-tillämpningarna i den svenska tillverkningsindustrin.

Förväntade effekter och resultat
De förväntade resultaten är identifierade modeller och metoder för tillförlitlighet i PdM, utformad och driftsatt mjukvaruprototyp för TPdM samt material för att sprida den förvärvade kunskapen (t.ex. livslångt lärande). Effekterna av dessa resultat är effektiv underhållsplanering med minskad stilleståndstid, ökad kostnadseffektivitet, OEE, produktivitet, robusthet och resurseffektivitet samt samarbete och kompetens inom smart underhåll och avancerad dataanalys för den svenska industrins konkurrenskraft.

Deltagare

Ebru Turanoglu Bekar (kontakt)

Chalmers, Industri- och materialvetenskap, Produktionssystem

Anders Skoogh

Chalmers, Industri- och materialvetenskap, Produktionssystem

Samarbetspartners

Capgemini Sverige AB

Sweden

Högskolan i Skövde

Skövde, Sweden

Husqvarna AB

Huskvarna, Sweden

Siemens AB

Sweden

SKF

Göteborg, Sweden

Volvo Lastvagnar AB

Sweden

Finansiering

VINNOVA

Projekt-id: 2022-01710
Finansierar Chalmers deltagande under 2022–2025

Relaterade styrkeområden och infrastruktur

Hållbar utveckling

Drivkrafter

Produktion

Styrkeområden

Mer information

Senast uppdaterat

2023-01-10