AutoPack - Automatisk packning av rör och slanginstallationer baserat på optimering och maskininlärning

Diarienummer 2017-03065
Koordinator Linköpings universitet
Bidrag från Vinnova 3 575 944 kronor
Projektets löptid november 2017 - oktober 2020
Status Beslutat
Utlysning Maskininlärning - FFI
Ansökningsomgång Maskininlärning för fordonsindustrin - FFI

Syfte och mål

Digitaliseringen av industrin ger möjlighet till att effektivisera utvecklingsprocessen för komplexa och integrerade produkter så som moderna fordon. Dessa system ger upphov till stora datamängder både när produkten används, men även under utvecklingsprocessen. Inom AutoPack utvecklas automatiska konstruktionsverktyg baserat på kunskap extraherad ur dessa datormängder mha metoder från maskininlärning, design automation och multidisciplinär optimering. AutoPack kommer effektivisera packningsarbetet då rör och slanginstallationer automatiseras.

Förväntade effekter och resultat

AutoPack vill öka graden av automation i produktutveckling vid packningsarbete inom fordonsindustrin med hjälp av maskininlärning. Det åstadkoms genom automatiserad konstruktion där kunskap och data extraheras ur utvecklingsprocessen. AutoPack levererar ett beslutsstödsverktyg som automatiskt optimerar resurskrävande packningsarbete för rör och slanginstallation. Målet är att uppnå en 50%-ig reduktion av antalet ingenjörstimmar samt motsvarande kostnadsbesparing.

Planerat upplägg och genomförande

Projektet leds från Linköpings universitet och övriga partners är Fraunhofer-Chalmers Centrum för industrimatematik, Volvo Personvagnar och Intelium Engnieering AB. Projektet är indelat i fyra arbetspaket (AP:n) där modeller och metoder för design automation utvecklas i AP1, modellerna används sedan för att finna optimala lösning inom AP2. Maskininlärning algoritmer utvecklas i AP3, där också ett integrerat beslutsstödsverktyg utvecklas för att sedan implementeras på Volvo i AP4 för att validera och verifiera projektets resultat.

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