Du har inte javascript påslaget. Det innebär att många funktioner inte fungerar. För mer information om Vinnova, ta kontakt med oss.

Data-Driven Predictive Maintenance for Trucks

Diarienummer
Koordinator Högskolan i Halmstad - CAISR - Center for Applied Intelligent Systems Research
Bidrag från Vinnova 205 000 kronor
Projektets löptid september 2016 - februari 2018
Status Avslutat
Utlysning Individrörlighet för innovation och samhällsnytta

Viktiga resultat som projektet gav

Projektets mål är att stärka samarbetet mellan Högskolan i Halmstad och Volvo Group genom att förbättra förståelsen för Volvos verksamhet och utmaningar, på ett sätt som ökar kvaliteten på befintliga förebyggande underhållstjänster och möjligtvis leder till utveckling av nya tjänster. Därigenom ökar den svenska industrins konkurrenskraft, möjliggör utbyte av erfarenhet och kunskap mellan akademin och industrin, samt ökar synligheten inom det vetenskapliga samfundet.

Långsiktiga effekter som förväntas

Projektet utvecklade modeller för att förutse fel i komponenter, generalisera modellerna för olika komponenter och förklara resonemanget bakom de beslut som fattas av data mining-modellen. Resultaten är planerade att implementeras i VOSP (Volvo Service Program), inledningsvis under 2018 för den svenska marknaden och som en ny tjänst med ett löfte om ”100% uptime”. Projekt ledde också vidare till två nya forskningssamarbeten med Volvo Group, Vinnova FFI HEALTH-projektet och KK-stiftelsens NU16-kursutvecklingsprojekt för industrin.

Upplägg och genomförande

Projektet fokuserade på utveckling av en data-driven maskininlärningsmetod för förebyggande underhåll baserat på sensoravläsningar som samlats in ombord på Volvo-lastbilar. En lista över komponenter som är mest fördelaktiga för förebyggande underhåll ur ett affärsperspektiv, har valts ut för denna analys. Metoderna har utformats så att de lätt kan generaliseras för nya komponenter. Metodutvecklingen omfattade dataförbehandling, balansering av data, modellval, sätta parametrar för modeller och utvärderingsstrategier.

Texten på den här sidan har projektgruppen själv formulerat. Innehållet är inte granskat av våra redaktörer.

Senast uppdaterad 8 maj 2017

Diarienummer 2016-03451