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

      Prediktivt underhåll med Internet-of-Things och digitala tvillingar

      Forskningsgrupp Produktion och Automatiseringsteknik
      Forskningsmiljö Virtual Engineering

      Prediktivt underhåll med Internet-of-Things och digitala tvillingar

      Forskningsgrupp Produktion och Automatiseringsteknik
      Forskningsmiljö Virtual Engineering

      Kort om projektet

      Projektnamn

      Integrated Manufacturing Analytics Platform för Prediktivt Underhåll med IoT (IMAP)

      Projekttid

      December 2021 – November 2024

      Finansiering och samverkan

      VINNOVA, Jernbro, Scania, Chalmers tekniska högskola, Automotive Components Floby, Volvo Car Corporation, Volvo Group Trucks Operations (VGTO)

      Prediktivt underhåll är ett av de viktigaste områdena för många globala tillverkningsföretag. Artificiell intelligens, analys av ”big data” och industriell internet-of-things (IoT) har redan visat stor potential inom underhållsområdet. Eftersom fler företag använder sig av denna teknik har dock flera viktiga utmaningar uppstått som hindrar framstegen mot fullständig digitalisering av underhåll.

      Syftet med projektet är att utveckla en Integrated Manufacturing Analytics Platform (IMAP) som kombinerar teknologierna i Industri 4.0 som industriell IoT, digitala tvillingar och dataanalys för att förverkliga den fulla potentialen i prediktivt underhåll och bana väg mot preskriptivt underhåll.

      Den huvudsakliga idén med IMAP är att komplettera och validera data från befintlig IoT-infrastruktur med simulerad data från ”magra” (lean) digitala tvillingar, förbehandla och integrera flera datakällor i CMMS, och använda maskininlärning, dataanalys och optimeringstekniker för att övervaka utrustningens hälsa, förutsäga behovet av underhåll, generera automatiserade underhållsåtgärder och arbetsorder för underhåll.

      Projektets bidrag

      Projektet förväntas bidra till följande förbättringar för KPI:er inom produktion och underhåll

      • Ökad drifttid för utrustning, tillgänglighet och OEE
      • Reducering av oplanerad driftstopp för maskinutrustning
      • Reducering av tid som krävs för att planera underhåll
      • Reducering av reservdelslager, och
      • Reducering av total underhållskostnad

      Industriella studier påvisar att prediktiv underhåll kan öka drifttiden för utrustning och tillgängligheten med 10-20%, reducera den tid som krävs för att planera underhåll med 20-50% samt reducera totala underhållskostnaden upp till 25%

      Projektledare

      Bitr. professor i produktionsteknik

      Medverkande forskare

      Anders Skoogh
      Biträdande professor vid Produktionssystem, Chalmers

      Finansiering och samverkan

      Publicerad: 2021-12-01
      Senast ändrad: 2024-02-16
      Sidansvarig: webmaster@his.se