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