AI-driven Automotive Service Market: Towards more Resource-Efficient and Sustainable Vehicle Maintenance
| Diarienummer | |
| Koordinator | Högskolan i Halmstad - Högskolan i Halmstad Akademin f informationsteknologi |
| Bidrag från Vinnova | 4 000 000 kronor |
| Projektets löptid | november 2023 - december 2025 |
| Status | Avslutat |
| Utlysning | Transport- och mobilitetslösningar - FFI |
| Ansökningsomgång | Transport- och mobilitetstjänster - FFI - hösten 2023 |
| Slutrapport | 2023-02594 eng.pdf(pdf, 918 kB) (In English) |
Viktiga resultat som projektet gav
De flesta AIM-TRUE-mål uppnåddes: vi utvecklade AI/ML-metoder för att förutsäga reservdelsbehov och omsatte dem i lagerstyrning och beslutsstöd för att minska svinn och akuttransporter. Vissa mål nåddes inte fullt ut eftersom data och logistik var mer komplexa än väntat; därför anpassade vi arbetet och testade via piloter och simulering. Extra resultat: öppen källkod, stärkta Volvo–Rejmes-nätverk och uppföljande innovationsprojekt.
Långsiktiga effekter som förväntas
På sikt kan resultaten ge bättre tillgång på reservdelar med mindre kapital bundet i lager, färre onödiga transporter och lägre klimatpåverkan. Metoderna för osäkerhetsmedvetna prognoser och lagerbeslut kan skalas i Volvo-nätverket och även användas i andra branscher med service och underhåll. Öppen källkod och lärdomar om verkliga hinder gör att innovation kan fortsätta efter projektet.
Upplägg och genomförande
Projektet genomfördes i arbetspaket: (1) spridning och workshop, (2) utveckling och test av AI-prognoser på historiska data, (3) nya lagerpolicys och virtuella lager via simulering och piloter, (4) analys av orsaker till brådskande transporter, returer och inkurans. Arbetet drevs i nära samverkan mellan Högskolan i Halmstad, Volvo och Rejmes med regelbundna avstämningar och datadelning.