Virtuella fabriker med kunskapsdriven optimering (VF-KDO) är en åttaårig forskningsprofil som koordineras av Högskolan i Skövde. Forskningen inom profilen ska bidra till att stärka industrins konkurrenskraft.

För att stärka industrins konkurrenskraft ska forskningen inom profilen leverera kunskap och innovationer inom virtuell utveckling och optimeringstekniker som är avgörande för att designa och driva nästa generations tillverkningssystem. På så sätt kan industriföretag bedriva utveckling – utan att behöva investera i ofärdiga lösningar. 

Framtidens produktionsanläggning

Profilen bedriver forskning kring hur en smart och uppkopplad fabrik (VF) kan använda sig av autonoma beslutsprocesser för att optimera driftsplanering, prioritering, logistik och omställningar i produktionen. Resultatet blir ett beslutsstöd som skapar en flexibel och kostnadseffektiv produktion.

Profilens andra del, kunskapsdriven optimering (KDO) arbetar för att hantera industrins allt kortare produktlivscykler. I arbetet inkluderas data från flera process- och produktionsnivåer. På så vis optimeras hela produktionskedjan till skillnad från idag då var del i kedjan optimeras för sig. 

Åtta partnerföretag

Med i profilen, förutom Högskolan i Skövde, är Aurobay, AB Volvo, Scania, IKEA Industry, FlexLink, Skandia Elevator, Arla Foods Götene och ABB. Bolag som idag ligger långt framme inom den tekniska utvecklingen, men som också ser framtidens utmaningar och vikten av att ytterligare stärka sin expertis. Profilen finansieras av KK-stiftelsen, bolagen och lärosätet.

​Profilens unika kombination

De olika industrilösningarna ryms inom sju olika forskningsområden

• OPT-KNOW (kunskapsdriven optimering)
• INTERACT (interaktiva och visuella analyser)
• LINK (data, modeller och kunskapslänkad infrastruktur)
• FLOW (flödesmodellering och omkonfigurering på flera nivåer)
• ROBOT (virtuell robotik)
• HUMAN (digital modellering av människor)
• PROCESS (virtuella processer)

Tillsammans täcks hela produktionskedjan, vilket genererar kunskap och innovationer för att Sveriges tillverkande industri ska ligga i framkant.

Mer information finns på projektets externa webbplats virtualfactories.se.

Publikationer

2023

Simulation-based multi-objective optimization for reconfigurable manufacturing systems: Reconfigurability, manufacturing, simulation, optimization, rms, multi-objective, knowledge discovery

Carlos Alberto Barrera Diaz

2023. Doktorsavhandling.

An Enhanced Simulation-Based Multi-Objective Optimization Approach with Knowledge Discovery for Reconfigurable Manufacturing Systems

Carlos Alberto Barrera Diaz, Amir Nourmohammadi, Henrik Smedberg, Tehseen Aslam, Amos H. C. Ng

Mathematics

2023. Artikel. https://doi.org/10.3390/math11061527

Integration of Augmented Reality Smart Glasses as Assembly Support: A Framework Implementation in a Quick Evaluation Tool

Oscar Danielsson, Anna Syberfeldt, Magnus Holm, Peter Thorvald

International Journal of Manufacturing Research

2023. Artikel. https://doi.org/10.1504/IJMR.2023.131583

Reproducible decision support for industrial decision making using a knowledge extraction platform on multi-objective optimization data

Simon Lidberg, Amos Ng

International Journal of Manufacturing Research

2023. Artikel. https://doi.org/10.1504/ijmr.2024.10057049

Virtual-Simulation-Based Multi-Objective Optimization of an Assembly Station in a Battery Production Factory

Andreas Lind, Veeresh Elango, Lars Hanson, Dan Högberg, Dan Lämkull, Pär Mårtensson, Anna Syberfeldt

Systems

2023. Artikel. https://doi.org/10.3390/systems11080395

Extending and demonstrating an engineering communication framework utilising the digital twin concept in a context of factory layouts

Andreas Lind, Lars Hanson, Dan Högberg, Dan Lämkull, Anna Syberfeldt

International Journal of Services Operations and Informatics

2023. Artikel. https://doi.org/10.1504/IJSOI.2023.132345

Knowledge discovery for interactive decision support and knowledge-driven optimization

Henrik Smedberg

2023. Doktorsavhandling.

2022

Enabling Knowledge Discovery from Simulation-Based Multi-Objective Optimization in Reconfigurable Manufacturing Systems

Carlos Alberto Barrera Diaz, Henrik Smedberg, Sunith Bandaru, Amos H. C. Ng

Proceedings of the 2022 Winter Simulation Conference

2022. Konferensbidrag. https://doi.org/10.1109/WSC57314.2022.10015335

Digital-twin-based decision support of dynamic maintenance task prioritization using simulation-based optimization and genetic programming

Marcus Frantzén, Sunith Bandaru, Amos H. C. Ng

Decision Analytics Journal

2022. Artikel. https://doi.org/10.1016/j.dajour.2022.100039

Review on Learning-based Methods for shop Scheduling problems

Xiaoxia Li, Xin Lu, Wei Wang, Yanguo Jing

Proceedings 2022 IEEE International Conference on e-Business Engineering ICEBE 2022: 14–16 October 2022 Bournemouth, United Kingdom

2022. Konferensbidrag. https://doi.org/10.1109/ICEBE55470.2022.00058

A generic and modularized Digital twin enabled human-robot collaboration

Xin Lu, Xiaoxia Li, Wei Wang, Kuo-Ming Chao, Lai Xu, Paul De Vrieze, Yanguo Jing

Proceedings 2022 IEEE International Conference on e-Business Engineering ICEBE 2022: 14–16 October 2022 Bournemouth, United Kingdom

2022. Konferensbidrag. https://doi.org/10.1109/ICEBE55470.2022.00021

Knowledge-Driven Multi-Objective Optimization for Reconfigurable Manufacturing Systems

Henrik Smedberg, Carlos Alberto Barrera Diaz, Amir Nourmohammadi, Sunith Bandaru, Amos H. C. Ng

Mathematical and Computational Applications

2022. Artikel. https://doi.org/10.3390/mca27060106

2018

Reference point based evolutionary multi-objective optimization with dynamic resampling for production systems improvement

Amos H. C. Ng, Florian Siegmund, Kalyanmoy Deb

Journal of Systems and Information Technology

2018. Artikel. https://doi.org/10.1108/jsit-10-2017-0084

Visa alla publikationer

Projektledare

Professor i automatiseringsteknik

Amos Ng

Institutionen för ingenjörsvetenskap

E-postadress amos.ng@his.se

Telefonnummer 0500-448541