Verifiering av värdeskapande resultat genom tillämpad Machine Learning för industriella processer

Syfte och mål

Projektet syftade till att skapa ett kunskapsgivande exempel för svensk industri med hjälp av applicerad Machine Learning (ML) i en industriell applikation. Projektet har utvecklat, driftsatt och utvärderat en testapplikation där Machine Learning tillämpas hos projektpart Erasteel AB i Långshyttan för att detektera avvikelser i tillverkningsprocessen av stålband och tråd enligt projektplan. Varje processat stålämne som går genom verket analyseras automatiskt av projektets applikation och avvikelser rapporteras.

Resultat och förväntade effekter

De övergripande resultatmålen och effekterna har uppnåtts genom att: En ML-applikation har utvecklats och implementerats i en skarp industriell process för avvikelsedetektering. Ny kunskap och förståelse har skapats hos projektparter kring teknikens styrkor och svagheter samt gett upphov till nya idéer och framtida applikationer. Resultatet har kontinuerligt kommunicerats via Automation Region, PiiA och framför allt genom uppsökande verksamhet till företag inom svensk industri.

Upplägg och genomförande

Projektet har genomförts i fem delvis parallella faser: Informationsspridning, Utveckling/anpassning av ML-metod för att passa en processindustriell process, Implementation av metod hos Erasteel, Analys av resultat, Kommunikation och spridning av resultat. Alla faser har kunnat genomföras enligt plan.