MachineHealth: Towards Healthy Machines and Predictive Maintenance with AI.
| Diarienummer | |
| Koordinator | Örebro universitet - Institutionen för naturvetenskap och teknik |
| Bidrag från Vinnova | 479 000 kronor |
| Projektets löptid | april 2018 - november 2018 |
| Status | Avslutat |
| Utlysning | SIP Swedish Mining Innovation -Strategiska innovationsprogrammet för Gruv och Metallutvinning |
Syfte och mål
Syftet med detta projekt var att utveckla AI-algoritmer som skulle kunna extrahera långsiktiga mönster och trender från händelser som samlats in från gruvmaskiner. Trenderna och mönstren presenterades på ett sätt som var lättillgängligt för slutanvändarna. Mönstren extraherades inte bara för en specifik maskin utan även bland maskinfamiljer och olika slutanvändare. På detta sätt kan en global analys av maskinerna göras och systematiska mönster över olika grupper kan hittas för att ge tillverkaren ett steg för att förutsäga underhåll och effektivitet.
Resultat och förväntade effekter
Resultaten av projektet gav analys på en dataset av flera olika maskiner över en tidsperiod. Olika AI-tekniker användes som tittade på korrelationer och samexistens inom data. Vissa händelser som fel och varningar som inträffade på specifika maskiner undersöktes. Effekten av denna analys och pilot är tvåfaldig. För det första ger vi en överblick över data i samband med när maskiner används. För det andra kan våra algoritmer avslöja information om de maskiner som inte är intuitiva för en domänexpert.
Upplägg och genomförande
Projektet gjordes i nära samarbete med Epiroc och partners. En dataset tillhandahölls av Epiroc som bestod av sina kunders data. Datasetet behandlades för att bli anonymiserat för forskargruppen. Forskargruppen tillhandahöll algoritmer för att analysera data och diskussioner med berörda parter genomfördes regelbundet. Förutom projektets resultat har betydande inriktning på 1) långsiktiga forskningsutmaningar 2) integration i företag 3) fördel och värdekedja gjordes i projektet.