Robust digitalisering av tillverknings applikationer

Syfte och mål

Syftet med RoDi-projektet är att genom kombination av maskininlärning och fysikbaserad modellering öka maskiners, industrirobotars och insamlad datas utnyttjande grad samt förbättra produktionssystem robusthet. Den utvecklade metodiken inkluderar en fysikvaliderad digital tvilling och databas som används i beslutsprocessen för ökad driftsäkerhet och för planering av underhåll av maskiner och fabriker. Projektets mål är en generaliserad metod för att inkludera kunskap om fysiska domäner i dataströmmar i industriella miljöer.

Förväntade effekter och resultat

Huvudeffekten av RoDi-projektet är högre utnyttjandegrad av både industriella system så som maskiner och industrirobotar och genererad data. Projektet förväntas minska gapet mellan AI och maskininlärning och fysiska applikationer inom industrin.

Planerat upplägg och genomförande

Projektet löper över tre år och samlar små, medelstora och stora företag, och täcker nyckelkompetenser inom flera kompletterande områden av produktionssystems livscykel, inklusive leverantörer datainsamling- och informationssystem. Konsortiet är uppdelat i tre grupper: akademisk partner KTH (integrerad dataanalys och fysik-baserad modellering); System integratör Nytt AB (maskininlärning och produktionsuppföljning); och industripartnerna Scania, LEAX och ABB involveras genom strategiskt valda fallstudier (fordon- och industrirobotar).