Rotfelanalys med maskininlärning

Diarienummer 2017-03074
Koordinator Volvo Personvagnar Aktiebolag - Volvo Personvagnar AB
Bidrag från Vinnova 4 146 546 kronor
Projektets löptid oktober 2017 - oktober 2021
Status Pågående
Utlysning Maskininlärning - FFI
Ansökningsomgång Maskininlärning för fordonsindustrin - FFI

Syfte och mål

Projektet är en samverkan mellan industri och akademi inom området systemdiagnos som kommer ha en stor betydelse för att förbättrad rotfeldiagnos för fordonssystem. Syftet är att hitta metoder för rotfeldiagnos för fordonssystem mha maskininlärning mellan komplexa fordonssystem (on-board) och bakomliggande beräkningssystem (back-end). Projektet kommer att öka forskningkapaciteten och internationell konkurenskraft i Sverige. Samverkan inom området signalbehandling och machine learning stärks.

Förväntade effekter och resultat

Utöver att höja kompetensen inom omådet maskininlärning på Volvo Cars och Chalmers bör resultatet av projektet även öka förmågan att diagnosticera system genom att även inkludera felinformation från kringliggande system och använda multivariata tekniker för att modellera felmönster och därefter klassificera dessa mönster när orsaken är känd (övervakad maskininlärning). När ett felmönster och dess orsak(er) är känd skall datamodellen användas vid underhållstillfället för att direkt kunna peka ut rätt del när ett nytt fordon uppvisar ett känt mönster.

Planerat upplägg och genomförande

För detta nästa generations diagnossystem kommer en industridoktorand, kopplad till Chalmers, stå för metodutvecklingen och Volvo Cars kommer integrara det i sitt IT system.

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