IDEA: Identifiera nyckelvariabler vid övervakning av produktionsprocesser inom fordonsindustrin

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

Externa länkar

http://www.es.mdh.se/projects/584-Identifying_key_variables_in_monitoring_of_production_processes_in_automotive_industry__A_deep_learning_method