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
Husqvarna AB
Huskvarna, Sweden
Högskolan i Skövde
Skövde, Sweden
SKF
Göteborg, Sweden
Siemens AB
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