Mälardalens Universitet har beviljats finansiering för ett nytt projekt som ska utveckla ett självövervakande, självlärande och självförklarande underhållssystem. Systemet ska förutse behov och avvikelser i tillverknings- och produktionsprocesser hos industriföretag.
– Målet med projektet är att utveckla en digital tvilling – en kopia i datormiljö av något som finns i verkligen, till exempel en maskin eller produktionsprocess – för kognitivt prediktivt underhåll. Med hjälp av XAI (Explainable AI) och ML ska den bidra till att förbättra underhåll i tillverknings- och produktionsprocesser, säger Mobyen Uddin Ahmed, en av projektmedlemmarna på MDU.
Att man analyserar data från sensorer på maskiner och utrustning för att kunna förutse underhållsbehov, så kallat prediktivt underhåll, har ökat genom AI och maksinlärning i tillverkningsindustrin. Det prediktiva underhållet förutser inte bara vilket underhåll som krävs inom produktionsprocesser, det hjälper dessutom till att undvika onödiga kostnader som tid, energi och resurser. Det förutser även avvikelser och driftstopp i maskiner. På så vis skapar det bättre förutsättningar för svensk industri att arbeta mer hållbart.
Projektet, med namnet CPMXai (Cognitive Predictive Maintenance and Quality Assurance using EXplainable AI and Machine Learning), sker i samverkan med flera ledande aktörer som Hitachi High-Tech Europe, SPM Instrument AB, Nordic Electronic Partner, GKN Driveline Köping AB, Adopticum, RISE Research Institutes of Sweden och Mälardalens Universitet där alla bidrar med olika erfarenheter och kompetenser inom området. Samarbetet bidrar till att stärka det befintliga partnerskapet mellan industri, universitet, forskningsinstitut och innovatörer i Sverige.
Resultaten inom projektet kommer att ligga till grund för en plattform som möjliggör för svenska industriföretag att börja jobba utifrån Industri 4.0, där prediktivt underhåll, AI och maskinlärning är givna delar.
– Inom ramen för det här projektet kommer vi att kunna utveckla en skalbar lösning för att möta specifika behov hos olika företag när det gäller prediktivt underhåll. Det möjliggör i sin tur en ökad konkurrenskraft för svensk tillverkningsindustri, säger Shahina Begum, projektledare på Mälardalens Universitet.
