Alexander Karlsson
Bitr. professor i informationsteknologi
Projektet undersöker hur industriföretag kan förutse underhållsbehov även när det inte finns så mycket data om nya maskiner och komponenter.
”Forskningen kan användas för att undvika kostsamma stopp i produktion."
Alexander Karlsson, biträdande professor i informationsteknologi
Prediktivt underhåll syftar till att prediktera olika typer av underhållsbehov i god tid före så att man kan planera för detta och undvika kostsamma stopp i produktion.
Prediktionen baseras på olika typer av dataanalysmetoder inom området artificiell intelligens och kan i många fall kräva ganska mycket samt specifik typ av data.
System som utvecklas över tid
Men vad händer då om man köper in en ny maskin / komponent där inte så mycket data egentligen återfinns ännu? Ska man då vänta med att konstruera prediktiva modeller tills mer data finns? Och hur ska man egentligen arbeta med modeller och data från ett systemperspektiv i ett sådant läge.
Detta är några av de frågor som adresseras i projektet. Målet är att designa mjukvaruprototypsystem som utvecklas över tid.