ARISE - Analytical Root-cause Identification in data Streams for detection of Emerging quality issues

Diarienummer 2016-02543
Koordinator Volvo Technology AB - Advanced Technology & Research
Bidrag från Vinnova 6 000 000 kronor
Projektets löptid september 2016 - juni 2019
Status Pågående

Syfte och mål

Produktkvalitet är en av de högsta prioriteringarna för en modern fordonstillverkare av tunga fordon. Ett sätt att nå högre kvalitet är att uppkomna kvalitetsproblem detekteras och preciseras snabbare genom att kombinera fordonsdatan med redan tillgänglig kunskap så som garantiärenden, tekniska specifikationer och tekniska experter. Tidigare har det visats att underhållsplaneringen av fordonsflottor kan effektiviseras genom prediktioner baserat på liknande fordonsdata, då kombinerat med verkstadshistorik.

Förväntade effekter och resultat

Projektet kommer att visa och kvantifiera affärsnyttan med Big Data inom kvalitetsanalys. Kavlitetsproblem kan detekteras tidigare genom att identifiera mönster- och trend-förändringar i fordonsdata. Den bättre förståelsen av kvalitetsproblemet möjliggör mer precisa lösningar, t.ex. genom att välja mellan fordonsåterkallelse, om-design eller uppdaterade förarinstruktioner. ARISE kommer utveckla inkrementella algoritmer för fordons detektering av kvalitetsproblem samt algoritmer för analys av dessa.

Planerat upplägg och genomförande

ARISE kommer forska på och utveckla nya semi-automatiska metoder för att hitta meningsfulla och användbara mönster i garanti-relaterad data. Vidare kommer projektet att analysera och beskriva effektiviseringsvinsterna med dessa nya algoritmer. Till sist kommer projektet att demonstrera algoritmer på riktig data och i en existerande analysmiljö.

Texten på denna sida har projektgruppen själv formulerat och innehållet är ej granskat av våra redaktörer.