Variation förutsägelse och källidentifiering för noll fel bearbetninglining

Tillverkning av komponenter till minimal kostnad och med lägsta miljöpåverkan innebär ett behov av att eliminera defekter och att göra rätt första gången.

Projektets mål är att utveckla modeller och metoder som analyserar och predikterar hur variationer uppstår och fortplantas vid flerstegs maskinberabetning.  Syftet är att minimera dessa variationer och producera defekt fria komponenter. Variationer måste kunna hanteras av produktionssystemet där fel uppstår i varje processteg och propagerar nedströms genom maskinlinjen.

Projektidén är att utveckla modeller för analys och prediktering av variationer genom flerstegs maskinbearbetning. Dessa modeller bygger på kartläggning av de komplexa relationerna som finns mellan variationer och dess uppkomst vid flerstegs maskinbearbetning. Modellerna ska användas som stöd i den integrerade produktframtagningsprocessen och som ett hjälpmedel för att effektivisera produktionssystem. Projektaktiviteterna utgår från industriella ́case ́ från Scania, LEAX och GKN. Caset ska tillsammans med tidigare framtagen kunskap vara basen för nya koncept vad gäller modellering, data analys, mätning, design av precisions palettsystem och simulering. Projektresultaten ska kunna användas i generella industriella applikationer i flerstegs maskinbearbetning.

Relaterade projekt
Engineering Innovation Factory
Digitizing concept för dual material casting (DIGICAST)
Digitalisering av fogningsberedning
Interaktivt verktyg för ökat kunskapsinnehåll i tidiga skeden av teknisk design
Logik inom tillverkning
Digitaliseringskoncept för två-materialgjutning (DIGICAST)
Servicearkitektur för produkt- och produktionstillgänglighet
3D-SILVER – Beslutsstöd utifrån layoutvisualisering och ergonomisimulering
Den tekniska innovationsfabriken

Projektledare
Daniel T. Semere
KTH
dte@iip.kth.se
08-7906000

Samverkande parter
Coordinator: → KTH
→ Scania AB
→ LEAX AB
→ GKN
→ System 3R
→ RISE– IVF
→ ETP
→ Acoutronic