Digitaliserad Prediktionsbaserad
Produktionsoptimering – DiPP

Industriella produktionssystem innefattar typiskt många processteg som genomförs av automatiska eller semiautomatiska maskiner. Beroende på olika variabler, åldras dessa maskiner vilket påverkar både kvalitén på tillverkningssteget och resursbehovet. Befintliga system för tillståndsövervakning anpassar sig typiskt inte till varken det historiska utfallet eller predikterat framtida utfall vilket gör att många industriella produktionssteg idag genomförs på ett icke hållbart sätt med kvalitetsproblem, spill, kassaktioner, överkonsumtion av resurser etc. som följd.

.

För att komma tillrätta med dessa problem är idén som ska testas i detta projekt att tillverkningsmaskinens unika responssignatur, tillsammans med information om omgivningen och produktionsutfallet kan användas för att generera en adaptiv digital tvilling. Tanken är att den adaptiva digitala tvillingen ska används för att prediktera optimala produktionsutfall och därefter styra maskinen samt planera service och underhåll så att denna prediktering uppfylls. Detta digitaliserade prediktionsbaserade produktionsoptimeringssystem skall testas i ett samarbete mellan två forskargrupper vid Luleå Tekniska Universitet och personal på SSAB i Borlänge genom en fallstudie. Nyhetsvärdet av denna idé är mycket stort och kan bidra till väsentligt ökad hållbarhet inom industriell produktion.

.

.

Samverkande parter:

Luleå Tekniska Universitet

SSAB

.

Projektledare:

Jan-Olov Aidanpää
Luleå Tekniska Universitet
Jan-Olov.Aidanpaa@ltu.se

.

X