Utveckling av intelligent självlärande beröringsfri processövervakning

Viktiga resultat som projektet gav

Acosense utför beröringsfri processövervakning med hjälp av akustisk frekvensresponsanalys. I projektet utvecklades metoder för att automatiskt identifiera avvikande observationer under drift med syfte att addera data och successivt förbättra modellen och få bättre prediktioner. Därför implementerades en algoritm baserad på klustringsmetoden DBSCAN vilken visade sig kunna identifiera möjliga avvikande observationer. Ett annat delprojekt gick ut på att visualisera processtatus grafiskt. Två- och tredimensionella versioner baserade på PCA och PLS har implementerats.

Långsiktiga effekter som förväntas

Projektet slutfördes med goda resultat. Utöver att merparten av de initiala målen uppfyllts har ett antal ytterligare resultat uppnåtts. Bland resultaten återfinns förbättrad mätprecision, effektivare användning av mätdata samt ökad förståelse för samspelet mellan mätningar, instrumenthårdvara och mätobjekt. För Acosense AB har detta resulterat i ytterligare förbättrad produktkvalitet, effektiviseringar samt ökad robusthet. Projektet har dessutom lett till identifiering av en ny produkt för vilken utvecklingsarbetet har påbörjats.

Upplägg och genomförande

Projektet var ett samarbete mellan Acosense och Fraunhofer Chalmers Center för Industrimatematik. Arbetet utfördes i nära samarbete med regelbundna besök på respektive arbetsplatser. Integrerat i projektet var också ett examensarbete på KTH.

Externa länkar

Utvecklinsprojekt tillsammans med Fraunhofer Chalmers Centrum för Industrimatematik för statistisk modellering