IDEA: Identifiera nyckelvariabler vid övervakning av produktionsprocesser inom fordonsindustrin
Diarienummer | |
Koordinator | Mälardalens Universitet - Akademin för innovation, design och teknik, Västerås |
Bidrag från Vinnova | 499 902 kronor |
Projektets löptid | april 2021 - december 2021 |
Status | Avslutat |
Utlysning | Hållbar produktion - FFI |
Ansökningsomgång | Hållbar produktion - FFI - december 2020 |
Slutrapport | 2020-05178eng.pdf(pdf, 212 kB) (In English) |
Viktiga resultat som projektet gav
IDEA-projektet syftar till att extrahera nyckelvariabler från originalsignaler för att upptäcka anomalier i processövervakning. Olika inlärningsmetoder har undersökts i detta projekt för att skapa ett lågt antal variabler från originaldata medan betydande information finns kvar. Detta arbete har lett till en betydande minskning av dimensionaliteten hos modellerna för att upptäcka anomalier i processövervakning.
Långsiktiga effekter som förväntas
Detta förstudieprojekt fick värdefull erfarenhet av att tillämpa metoder för djupinlärning för att minska dimensionaliteten hos modeller för att upptäcka anomalier i processövervakning. Olika modeller för att upptäcka anomali i kombination med lågdimensionell variabel inlärning har konstruerats och utvärderats. Den förvärvade lägre dimensionaliteten och modellens komplexitet kommer att medföra följande fördelar: * Mer exakt och tillförlitlig upptäckt av anomali * Snabbare upptäckt i realtidsövervakning * Lägre energiförbrukning vid driftsättning
Upplägg och genomförande
Följande uppgifter har utförts i genomförandet av IDEA-projektet * Scenarioanalys och val av användningsfall * Dataförståelse och tolkning * Temporal approximation från originaldata * Skapande av nya variabler med hjälp av inlärningsmetoder * Konstruktion av modellerna för att upptäcka anomalier * Utvärdering av experimentresultat IDEA har genomförts i nära samarbete mellan Mälardalens Universitet och Volvo Lastvagnar