Sökträffar

    Sökträffar

    Visa alla resultat för ""
    Hittar inga resultat eller sökförslag för "."

    Söktips

    • Kontrollera att orden är rättstavade
    • Försök med andra sökord eller synonymer
    • Smalna av din sökning för att få fler träffar

    Hur kan vi hjälpa dig?

    Ny student

    Kontakta oss

    Hitta medarbetare

    Sökträffar

      Sökträffar

      Visa alla resultat för ""
      Hittar inga resultat eller sökförslag för "."

      Söktips

      • Kontrollera att orden är rättstavade
      • Försök med andra sökord eller synonymer
      • Smalna av din sökning för att få fler träffar

      Hur kan vi hjälpa dig?

      Ny student

      Kontakta oss

      Hitta medarbetare

      Högskolan i Skövde, länk till startsida

      Tillförlitligt prediktivt underhåll

      Forskningsgrupp Skövde Artificial Intelligence Lab, Virtual Production Development
      Forskningsmiljö Informationsteknologi, Virtual Engineering

      Kort om projektet

      Projektnamn

      Trustworthy Predictive Maintenance (TPdM)

      Projekttid

      September 2022 – September 2025

      Finansiering och samverkan

      Vinnova, Capgemini Insights & Data, Chalmers tekniska högskola, Husqvarna, Siemens, SKF, Volvo Lastvagnar

      Projektet syftar till att steg för steg utveckla och testa nya mjukvarulösningar tillsammans med dem som arbetar i produktionsmiljö. Genom att låta operatörer och experter vara aktiva i utvecklingen ökar både deras förståelse och förtroende för de förutsägelser som systemen gör, något som i sin tur kan leda till bättre beslut och mer träffsäkert underhållsarbete.

      Effektivt underhåll av produktionssystem är ett viktigt område inom industrin för att undvika kostsamma driftstopp samt att uppnå en maximal nyttjandegrad av delar / komponenter till maskiner.

      Ett sätt att bedriva ett sådant underhållsarbete är att samla in data från sensorer som placeras på maskiner och bygga modeller utifrån dessa data som kan förutsäga när eller hur lång tid kvar en viss komponent kan användas.

      Dessa modeller, som ofta bygger på olika varianter av artificiell intelligens, kan dock vara svåra att förstå samt att deras förutsägelser kan vara förknippade med ganska mycket osäkerhet vilket kan göra det svårt för operatörer att bygga tillit till dessa förutsägelser.

      Detta projektets mål är att iterativt utveckla mjukvaruprototyper som kan testas och utvärderas i nära samarbete med operatörer, eller experter, inom industriella produktionssystem.

      Ett sådant utvecklingsförfarande där operatören är en aktiv del av utvecklingen förväntas öka dennes tillit och förståelse av förutsägelserna och därmed utgöra en bättre grund för beslutsfattande kring underhållsarbete.

      Projektledning

      Chalmers tekniska högskola leder projektet. Projektledare för Högskolan i Skövdes del av projektet är Alexander Karlsson.

      Medverkande forskare

      Publicerad: 2025-09-01
      Senast ändrad: 2025-09-01
      Sidansvarig: webmaster@his.se