Avancerade AI arkitekturer för integrerade och förbättrade tillverkningsprocesser
Forskningsprojekt, 2025 – 2028

Syfte och mål
Projektet syftar till att designa, utveckla och implementera avancerade AI-arkitekturer för att möjliggöra prediktivt och preskriptivt beslutsfattande för tillverkningsprocesser genom att främja synergier mellan dessa, vilket leder till förbättrad prestanda på systemnivå. Målen inkluderar att skapa skalbar AI för multimodala data från produktions-, underhålls- och kvalitetsområdet, bygga och validera robusta prototyper samt implementera dessa genom MLOps och ett långsiktigt livscykelperspektiv.

Förväntade effekter och resultat
De förväntade resultaten omfattar design av arkitekturer för AI-modeller, utveckling och implementering av programvaruprototyper samt material för kunskapsspridning. Dessa resultat kommer att göra det möjligt för industripartners att fatta proaktiva beslut på fabriksgolvet, vilket leder till högre produktivitet och kvalitet, minskade kostnader och driftstopp samt förbättrad operativ prestanda. Detta kommer också att stärka Sveriges konkurrenskraft inom industriell AI och främja innovation.

Planerat upplägg och genomförande
Projektet kommer att integrera data från alla processer på fabriksgolvet och tillämpa avancerade AI-modeller för att fånga komplexa samband mellan processparametrar, maskinhälsa och produktkvalitet. Både enkla och avancerade modeller kommer att testas, i industriella användningsfall, för att balansera komplexitet, kostnad och prediktiv noggrannhet. Framgångsrika modeller kommer att implementeras med MLOps-ramverk där dashboards och användargränssnitt möjliggör handlingsbara insikter.

Deltagare

Ebru Turanoglu Bekar (kontakt)

Chalmers, Industri- och materialvetenskap, Produktionssystem

Siyuan Chen

Chalmers, Industri- och materialvetenskap, Produktionssystem

Elisa Margarita Gonzalez Santacruz

Chalmers, Industri- och materialvetenskap, Produktionssystem

Mohan Rajashekarappa

Chalmers, Industri- och materialvetenskap, Produktionssystem

Anders Skoogh

Chalmers, Industri- och materialvetenskap, Produktionssystem

Samarbetspartners

Aurobay

Skövde, Sweden

Capgemini

Bromma, Sweden

Husqvarna AB

Huskvarna, Sweden

Högskolan i Skövde

Skövde, Sweden

Preem AB

Stockholm, Sweden

SKF Group

Goteborg, Sweden

Volvo Group

Gothenburg, Sweden

Finansiering

VINNOVA

Projekt-id: 2025-01110
Finansierar Chalmers deltagande under 2025–2028

Relaterade styrkeområden och infrastruktur

Hållbar utveckling

Drivkrafter

Produktion

Styrkeområden

Mer information

Senast uppdaterat

2025-11-14