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

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

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