AI för lärande och förklarbar produktion och logistik (EXPLAIN)
| Diarienummer | |
| Koordinator | Uppsala universitet - Uppsala universitet Institutionen för materialvetenskap |
| Bidrag från Vinnova | 6 000 000 kronor |
| Projektets löptid | april 2021 - april 2024 |
| Status | Pågående |
| Utlysning | Strategiska innovationsprogrammet för Produktion2030 |
| Ansökningsomgång | SIP Produktion2030, utlysning 13 |
Syfte och mål
EXPLAIN-projektet syftar till att öka och utveckla svensk tillverkningsindustris hållbara produktion, för lönsamhet och konkurrenskraft. Projektet bedriver forskning och utveckling av en ny generation av interaktiva och innovativa beslutsstöd, där virtuella produktionsmetoder fusioneras med maskininlärningsalgoritmer för ökad kunskap och förståelse inom produktionssystemets livscykel. EXPLAIN baseras på ett human-in-the-loop system som tar sig an komplexa flermålsbeslut inom produktionsplanering och styrning rörande energi- och resurseffektivitet.
Förväntade effekter och resultat
EXPLAIN-projektet knyter an till ett paradigm som betonar människa-maskin saminlärning genom överförbarhet av preferenser/värden och kunskap mellan människa och maskin i ett sammanhang av flermålsoptimering (produktivitet och hållbarhet). Projektet kommer därmed att skapa ett unikt, långsiktigt bidrag till kunskapsdriven industri i Sverige. Helt i linje med andra globala ansträngningar inom s.k. Learning Factories, kan det föreslagna ramverket för samspel mellan människa och maskin på lång sikt öka den svenska tillverkningsindustrins hållbarhet och konkurrenskraft.
Planerat upplägg och genomförande
Det huvudsakliga implementeringsmetoden som EXPLAIN anammar är tillämpade fallstudier kopplade till totalt sex arbetspaket, ledda av de två universiteten, MainlyAI och RISE. Ytterligare fyra industripartner från olika sektorer kommer att leda valet av fokus för varje studie för att säkerställa industriell relevans inom arbetspaketen. Inlärningsmodellen ska baseras på inlärning med dubbla slingor, dvs., intern utveckling drivs hos respektive partner, och dessa framsteg utvärderas i sin tur mot input från andra partners, vilket ger ny input till varje utvecklingsprocess.