Prediktiva modeller och maskinlärningsalgoritmer som ett led mot adaptiv styrning av svetsprocessen - en förstudie

Diarienummer 2017-03060
Koordinator Swerea KIMAB AB - Swerea KIMAB AB, Kista
Bidrag från Vinnova 500 000 kronor
Projektets löptid oktober 2017 - juni 2018
Status Pågående
Utlysning Maskininlärning - FFI
Ansökningsomgång Maskininlärning för fordonsindustrin - FFI

Syfte och mål

Under senare år har mättekniker för automatisk kvalitetssäkring av svetsar utvecklats snabbt vilket resulterat i att en stor mängd kvalitetsdata nu finns tillgänglig. Detta projekt syftar till att utnyttja den data, tillsammans med signaler från robot och svetsutrustning i prediktiva modeller och maskinlärningsmodeller för att påvisa potentialen för denna typ av modellering. Målet är att i framtiden minska ledtider och kassationer inom svetsande industri genom adaptiv styrning av svetsprocessen.

Förväntade effekter och resultat

Svetsande industri spenderar mycket tid och energi på att deras produkter når upp till gällande krav och standarder vad gäller svetskvalitet. Slutgiltiga svetskvaliteten påverkas av hur väl tidigare operationer som bockning, pressning, fixturering osv. har genomförts men även hur svetsprocessen i sig själv är inställd. Inom detta projekt vill vi visa på potentialen med nya kvalitetssäkringstekniker samt hur dessa skulle kunna användas för att göra svetsprocessen mer robust genom intelligent, adaptiv styrning utefter de förutsättningar som finns.

Planerat upplägg och genomförande

Projektet, som är av förstudiekaraktär, kommer belysa områden som datainsamling, identifiering av input-parametrars inverkan, diskussion och utveckling av relevanta kvalitetsparametrar som är applicerbara som styrmedel i modellerna. Utöver detta kommer projektet undersöka vilka typer av maskinlärningsmodeller och prediktiva modeller som lämpar sig för den data som finns tillgänglig. I samband med detta kommer även grunden för en modell att utvecklas för att påvisa potentialen i området påvisa vikten för fortsatt utveckling inom området.

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