Integrerat Kvalitetskontrollsystem genom Avancerade Sensorverktyg och AI inom Stränggjutning

Viktiga resultat som projektet gav

Målet att realisera ett program som visar kokilltemperaturkartor och förutsäger risk för defekter i realtid i industriell gjutning uppnåddes. Ett system för ytavbildning och automatiserad defektigenkänning demonstrerades också. Maskininlärningsmodellerna för prediktering och detektering av ytdefekter behöver dock utvecklas vidare för att bli tillförlitliga. Projektet har givit värdefulla erfarenheter av att implementera AI-modeller online i en industriell process, vilka är användbara även för andra processer.

Långsiktiga effekter som förväntas

Även om de underliggande modellerna behöver vidareutvecklas för att systemet ska realisera sin potential och ge tillförlitliga resultat, så är det ett framsteg att ha demonstrerat hur man kopplar en AI-modell som används i realtid till den industriella processen. Projektet har gett viktiga lärdomar vad gäller: - Strategier för att arbeta med heterogen data från olika källor - Integrering av en AI-modell i ett system för användning i realtid - Identifiering av begränsande faktorer och viktiga överväganden

Upplägg och genomförande

Projektet genomfördes med följande innehåll: - Förberedelser för och genomförande av industriella försök - Databearbetning - Utveckling av modeller - Programvaruuppdatering och integrering - Demonstration vid industriella försök Arbetet med data, modeller och förberedelser för försöksomgång 2 tog längre tid än planerat. En mätutrustning kunde inte användas efter första försöksomgången. Arbetet med dataanpassning och integrering med modellen för onlinekörning var mer krävande än vad projektet ursprungligen hade planerat för.