PINNForm - fysikinformerad och AI-driven formning för resilient och hållbar tillverkning

Syfte och mål

PINNForm möter industrins behov av snabb, flexibel tillverkning av komplexa metallkomponenter för resiliens och hållbarhet. Projektet kombinerar digital teknik med fysikbaserade simuleringsmodeller via AI/ML (FysML). Målet är ett design- och optimeringsstöd som ger precisa modeller med begränsad data, snabbare komponentframtagning, minskad kassation och längre verktygslängd. Detta demonstreras med drönarkomponenter. På längre sikt ska även reparationsmetoder predikteras.

Förväntade effekter och resultat

Vid projektets slut förväntas tekniken ha nått TRL 6, demonstrerad i relevant industriell miljö. Resultaten inkluderar en verifierad digital tvilling baserad på AI/ML, integrerad med en adaptiv produktionsmetod för metallkomponenter via industriell origami-teknik. Projektet ska ha demonstrerat funktionella och robust drönarkomponenter för skogsbruk och beredskap. Ny kompetens inom AI-driven formningsoptimering kommer att ha utvecklats.

Planerat upplägg och genomförande

Projektet är uppdelat i fem arbetspaket (AP). AP1 fokuserar på projektledning och koordinering. AP2 omfattar utveckling av digital tvilling och AI-modeller för att generera data. AP3 hanterar träning och utvärdering av AI-modellerna. AP4 avser implementering och validering av industriell origami-teknik med en fysisk demonstrator för drönarkomponenter. Slutligen syftar AP5 till kommunikation och spridning av projektets resultat. Arbetet genomförs i samverkan mellan RISE, STILFOLD och AirForestry