StreaMod - Effektiv modellering och beslutsstöd för faktabaserad produktionsutveckling
Forskningsprojekt , 2013 – 2016

Virtuella verktyg, här avancerad dataanalys och simulering av produktionsflöden, är avgörande för att reducera ledtider i produktframtagning samt att öka effektiviteten i produktionssystem. VCC har exempelvis som mål att minska ledtiden från programstart till första leverans (20 mån) och att nå 85% OEE i löpande produktion. Problemet är tidsåtgången i simuleringsprojekt, främst beroende på ineffektiv datahantering och experimentanalys (>70% av total projekttid). Syftet är därför att reducera projekttiden för att möjliggöra fler detaljerade analyser som leder ökat genomflöde av produkter (10%) och minskad energiåtgång (50%).

Målet är att integrera automatisk datahantering, modellgenerering och optimering till ett effektivt beslutsstöd för produktions- och underhållsingenjörer. Nyhetsvärdet är att knyta ihop datakällor och simuleringsmodell med hjälp av Intelligenta DataPunkter (IDP) och ”Data Fusion”. Projektets resultat följs upp och kommuniceras via två industriella demonstratorer.

Projektledare: Dan Lämkull, Volvo Cars & Anders Skoogh, Academic leader

Deltagare

Anders Skoogh (kontakt)

Docent vid Chalmers, Industri- och materialvetenskap, Produktionssystem

Jon Bokrantz

Doktorand vid Chalmers, Industri- och materialvetenskap, Produktionssystem

Liang Gong

Doktorand vid Chalmers, Industri- och materialvetenskap, Produktionssystem

Maheshwaran Gopalakrishnan

Forskare vid Chalmers, Industri- och materialvetenskap, Produktionssystem

Torbjörn Ylipää

Tekniklektor vid Chalmers, Industri- och materialvetenskap, Produktionssystem

Samarbetspartners

Högskolan i Skövde

Skövde, Sweden

Siemens Industry Software

Koln, Germany

Virtual Manufacturing Sweden AB

Gothenburg, Sweden

Volvo Cars

Göteborg, Sweden

Volvo Group

Gothenburg, Sweden

Finansiering

VINNOVA

Finansierar Chalmers deltagande under 2013–2016 med 5 400 000,00 SEK

Relaterade styrkeområden och infrastruktur

Hållbar utveckling

Drivkrafter

Produktion

Styrkeområden

Publikationer

2016

An algorithm for data-driven shifting bottleneck detection

Artikel i vetenskaplig tidskrift

Mer information

Senast uppdaterat

2018-05-28