CPMXai:Kognitivt förutsägbart underhåll och kvalitetssäkring med förklarlig AI och maskininlärning
| Diarienummer | |
| Koordinator | Mälardalens Universitet - Akademin för innovation design & teknik IDT |
| Bidrag från Vinnova | 5 999 945 kronor |
| Projektets löptid | november 2021 - augusti 2025 |
| Status | Pågående |
| Utlysning | Strategiska innovationsprogrammet för Produktion2030 |
| Ansökningsomgång | SIP Produktion2030, utlysning 14 |
Syfte och mål
CPMXai kommer att utveckla en digital tvilling för kognitivt prediktivt underhåll genom automatisk datamärkning, AI / ML och XAI för att minska oönskade situationer och förbättra underhåll i tillverknings och produktionsprocesser. Detta kommer senare att generaliseras och tillämpas i andra industrier som uppfyller deras krav och resulterar i hållbar tillverkning och ökar den svenska tillverkningens konkurrenskraft.
Förväntade effekter och resultat
Genom att tillämpa XAI och digital tvillingteknologi kommer CPMXai att minska bristerna i processerna och produkterna och öka tillförlitligheten i produktionssystemet, vilket ger förbättrad affärskonkurrenskraft såväl som ekonomisk och miljömässig hållbarhet. en generaliserad skalbar lösning kommer att utvecklas i ett enda ramverk för att möta de specifika behoven hos andra icke-partnerföretag inom en bredare horisont av prediktivt underhåll som möjliggör ökad konkurrenskraft för svensk tillverkningsindustri.
Planerat upplägg och genomförande
Projektaktiviteterna är uppdelade i sex arbetspaket (WP). WP1: Projektledning och spridning. Ledare: MDH WP2: Krav, industriella fallspecifikationer och gapanalys: Ledare: Hitachi, WP3 : Digital representation av verkliga tillgångar genom multimodal datafikation och digital tvilling Ledare: SPM Instruments WP4 : Lärande och resonemang i prediktiv modellering för CPdM WP-ledare: MDH WP5: Livslångt maskininlärning och XAI-strategier Ledare: MDH WP6 : Industriella demonstratorer och prestandaanalys Ledare: Seco Tools