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

Våra e-tjänster för ansökningar, projekt och bedömningar stänger tisdagen den 9 juni kl 16:30 för systemuppdateringar. De beräknas öppna igen senast onsdagen den 10 juni kl 8:00.  

Förbättrade delignifieringsmodeller genom AI

Diarienummer
Koordinator Chalmers Tekniska Högskola AB - Chalmers Tekniska Högskola Inst f Kemi- & kemiteknik
Bidrag från Vinnova 2 992 657 kronor
Projektets löptid mars 2023 - februari 2026
Status Avslutat
Utlysning Strategiska innovationsprogrammet för processindustriell IT och automation - PiiA
Ansökningsomgång PiiA: Framtidens processindustri-Datadriven och hållbar - hösten 2022

Viktiga resultat som projektet gav

Kartläggning av variationer i ligninkoncentrationer på Södras Väröbruk har genomförts och utveckling av en kinetikmodell baserat på dessa slutförs under våren 2026. Den har fördjupat Chalmers-Södra samarbetet, och kommer att ligga till grund för andra forskningsaktiviteter. Baserat på processdata (Kappatal) utvecklades en helt datadriven modell (Delibasoglu I, et al., 2026, J Intell Manuf.). Samarbetet Chalmers-LiU resulterade i en AI-kurs som gavs inom Forskarskolan Resurssmarta processer.

Långsiktiga effekter som förväntas

På längre sikt kan de ovan beskrivna resultaten leda till: - Ökad användning av AI-verktyg i skogsindustriell forskning (med tanke på utbildningsinslag och inspiration som projektet genererat) - Nya initiativ kring processförbättringar tack vare bättre processkännedom (baserat på den detaljerade kartläggningen) - Ökad attraktionskraft för grund- och forskarutbildningar tack vare större inslag av AI samt ett djupare samarbete med industrin.

Upplägg och genomförande

Projektet bedrevs i två parallella delprojekt, båda i nära samarbete med Södras bruk i Värö för processdata och provtagning från procesströmmar. Delprojektet på Chalmers fokuserade på provtagning från processen (lignin- och alkalikoncentrationer) samt kompletterande simuleringsexperiment för att utveckla en empirisk kinetikmodell, medan delprojektet på LiU fokuserade på användning av redan tillgängliga processdata (kappatal) för att utveckla en helt datadriven modell.

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

Senast uppdaterad 18 maj 2026

Diarienummer 2022-03587