Machine Learning för ingenjörsnära kunskapshantering, MALEKC

Diarienummer 2017-03059
Koordinator CHALMERS TEKNISKA HÖGSKOLA AKTIEBOLAG - Institutionen för industri och materialvetenskap
Bidrag från Vinnova 2 300 000 kronor
Projektets löptid oktober 2017 - oktober 2019
Status Beslutat
Utlysning Maskininlärning - FFI
Ansökningsomgång Maskininlärning för fordonsindustrin - FFI

Syfte och mål

Syftet med detta forskningsprojekt är att möjliggöra ett paradigmskifte inom fordonsindustrin genom att gå ifrån paradigmet där individer måste förlita sig på personberoende erfarenhetsbaserad kunskap mot en proaktiv och datadriven produktutvecklingsprocess där även kunskap baserad på datakällor och maskininlärning används kompletterande med den erfarenhetsbaserade kunskapen för att förutsäga och undvika potentiella problem.

Förväntade effekter och resultat

Detta projekt riktas mot hur kunskap som i grunden är svår att identifiera för en människa identifierares och skapas med hjälp av ML algoritmer genom att undersöka avvikelserapporter. Den potentiella lösningen utnyttjar smarta assistenter baserade på maskininlärningsalgoritmer för att identifiera rätt kunskap och sedan förse rätt person i rätt tid med denna kunskap. En förväntad effekt är bättre konstruerade produkter, som är enklare att underhålla eftersom kunskap identifieras och problem åtgärdats innan de inträffat.

Planerat upplägg och genomförande

Chalmers och Wingquist Laboratory är huvudsökare. Fraunhofer Chalmers Research Center (FCC) är drivkraften gällande maskinlärning. Medan Rejmes Transportfordon AB och AB Volvo är de huvudsakliga industriella deltagarna och primära användare av forskningsresultatet. Projektet pågår under två år och baserar sig på tester av stora och små demonstratorer i relevant industriell miljö.

Texten på denna sida har projektgruppen själv formulerat och innehållet är ej granskat av våra redaktörer.