PICTORIAL - Prediktiv Intelligent styrning och övervakning för motståndssvets

Syfte och mål

Projektet kommer att utveckla modeller för maskininlärning (ML) för kvalitetskontroll vid punktsvetsning (RSW), för att ge kognitivt stöd i realtid till personal som är involverad i produktionen. För att träna ML-modellerna kommer verklig produktionsdata från bilfabrikerna tillämpas. Tidigare har simulerade eller experimentella data använts. De utvecklade modellerna kommer göra det lättare att minska materialuttag genom ökad användning av cirkulära, tunnare och mer avancerade material, vilka ställer högre krav på fogningen..

Förväntade effekter och resultat

Det nya prediktiva intelligenta digitala systemet som utvecklats i projektet, kommer att utgöra ett stort steg framåt i kvalitetsbedömningen av punktsvetsning, den mest använda fogningsmetoden i industrin. Projektet adresserar FFI:s delprograms 2b), "Social hållbarhet genom hela värdekedjan, t.ex. Behåll anställda och attrahera ny kompetens genom tekniker och lösningar för kognitivt och fysiskt stöd, ...". Samtidigt kommer det att öka digitaliseringskunskapen inom automatiserad svetsproduktion.

Planerat upplägg och genomförande

Deltagare i projektet består av personer med djup kunskap inom produktion av bilar och om maskininlärning (ML). I uppstarten av projektet kommer tid tas i anspråk för att hitta ett gemensamt språk. Sedan ska relevant produktionsdata hämtas in, varefter datan måste tvättas och signifikanta data översättas till matematiskt språk. Flera olika ML-algoritmer kommer att utvärderas och kombineras, varefter de kommer att tränas mot de inhämtade och kurerade datamängderna. När slutlig modell är vald kommer den prövas i en demonstrator i industrin.