MachineHealth: Towards Healthy Machines and Predictive Maintenance with AI.

Diarienummer 2017-05442
Koordinator Örebro universitet - Institutionen för naturvetenskap och teknik
Bidrag från Vinnova 479 000 kronor
Projektets löptid april 2018 - november 2018
Status Beslutat
Utlysning Strategiska innovationsprogrammet för gruv och metallutvinning - STRIM
Ansökningsomgång STRIM - gruv och metallutvinning

Syfte och mål

Detta projekt kommer att utföra en genomförbarhetsstudie för att förstå kraven för att övervaka maskinhälsan i gruvmiljön. Med de senaste tillkännagivandena av ny teknik kommer AI-algoritmer att användas. De två använda teknikerna är djupa inlärningsalgoritmer och tekniker som gör att numeriska representationer kan abstraheras på ett sätt som lätt och intuitivt kan förstås av den mänskliga operatören. Vi kommer att utveckla ett koncept för att utöka övervakningen av maskiner och att öka analysen så att de viktigaste mönstren presenteras direkt till maskinägare och operatörer.

Förväntade effekter och resultat

I synnerhet följer vi visionen i STRIM, genom att utvecklas till helt självständiga gruvoperationer och mindre arbetade timmar. MachineHealth kommer främst att fokusera på att utveckla teknikens ståndpunkt i relation till avsnitt 4.2.3.2 Effektiv enhetsoperation för gruvdrift, genom att utveckla enhetsoperationer för att underlätta automation och effektiv utvinning.

Planerat upplägg och genomförande

I projektet kommer vi att använda etablerade AI-algoritmer från Örebro universitet tillsammans med de data som finns tillgängliga med Certiq. Förstudien ska utvärdera genomförbarheten av testade AI-algoritmer som ska tillämpas på en ny domän för att undersöka möjligheten att tillhandahålla automatiserad analys och avslöja trender som inte alltid lätt kan hittas av mänskliga operatörer.

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