PICTORIAL - Prediktiv Intelligent styrning och övervakning för motståndssvets

Viktiga resultat som projektet gav

PICTORIAL‑projektet har undersökt hur maskininlärning kan användas för prediktiv kvalitetsövervakning av motståndspunktsvetsning i industriell produktion. Projektet gav huvudsakligen de resultat som önskats, det har visat att det är möjligt att använda befintliga produktionsdata från svetsstyrsystem för att kunna prediktera erhållen svetskvalitet, även identifiera kvalitetsdrift över tid. Framtagna modeller integrerades i ett demonstratorsystem och testades i industrilik produktionsmiljö.

Långsiktiga effekter som förväntas

PICTORIAL bidrar till att stärka industrins förmåga att införa digitala och datadrivna kvalitetsmetoder, ansvarsfullt och realistiskt. Resultaten stödjer ökad processrobusthet och minskat skrot i svetsproduktion, förbättrad arbetsmiljö, bättre förutsättningar för införande av avancerade och mer hållbara material, samt stärkt konkurrenskraft. Projektet visar att säker industriell tillämpning av AI kräver tydlig riskhantering, uppdatering av data & en nära koppling mellan modell och produktion.

Upplägg och genomförande

Projektet drevs med 7 arbetspaket från Augusti 2023 till Mars 2026. Arbetspaketen var: AP1: Datainsamling & variationsanalys AP2: Datakurering & sortering AP3: Utvärdering av ML-algoritmer AP4: Utveckling av predikteringsverktyg AP5: Test- och utvärdering AP6: Display design AP7: Projektledning & disseminering Arbetet var sekventiellt och produktionsnära. Produktionsdata samlades in och strukturerades, kopplades till kvalitetsmått och användes slutligen i modellutveckling och -utvärdering.