Kognitivt förutsägbart underhåll och kvalitetssäkring med förklarlig AI och maskininlärning (CPMXai)
Praktiken med prediktivt underhåll har eskalerat sedan framstegen inom artificiell intelligens (AI) och maskininlärning (ML). Den förutser det underhåll som krävs, undviker onödiga kostnader (sparar tid, energi, pengar och resurser) och driftstopp i maskiner.
För mer exakta och bättre förutsägelser krävs dock kognitivt prediktivt underhåll. AI/ML för kognitiva prediktiva modeller kräver att alla algoritmer baseras på övervakat och oövervakat lärande, kräver märkta data där datamängden är enorm eftersom den består av historiska data, sensordata, relaterade egna resurser och många fler. Återigen kan de beslut som genereras av modellen också vara svåra att förstå utan någon förklaring.
CPMXai syftar till att lösa dessa problem genom att bilda ett samarbete mellan de ledande branschpartnerna, små och medelstora företag, forskningsinstitut och universitet. Det samarbetade konsortiet består av experttjänster från olika enheter med erfarenhet, färdigheter och kunskap till dessa problem.
CPMXai har tre mål:
- Identifiera användningsfall i branscher.
- Utveckla ett nytt automatiskt datamärknings verktyg med hjälp av digital tvilling och slutligen.
- Utveckla ett självövervakande, självlärande, självförklarligt system för att förutspå.
CPMXai kommer att utveckla en digital tvilling för kognitivt prediktivt underhåll genom automatisk datamärkning, AI / ML och XAI för att minska oönskade situationer och förbättra underhåll i tillverknings och produktionsprocesser. Detta kommer senare att generaliseras och tillämpas i andra industrier som uppfyller deras krav och resulterar i hållbar tillverkning och ökar den svenska tillverkningens konkurrenskraft.
Projektledare
Shahina Begum, MDH
[email protected]
+46 732708816
Vi som samverkar
→ Mälardalens högskola
→ Seco Tools
→ Hitachi High-Tech Europe GmbH
→ SPMInstrument AB
→ Adopticum
→ Nordic Electronic Partner (NEP)
→ Momento AB
→ GKN Driveline Köping AB, Köping
→ RISE
