DigiProd – Research Contest for Digital Big Data Prediction of Manufacturing deviations

 

Metoder med kapacitet att prediktera tillverkningavvikelser på producerade mekaniska detaljer som funktion av underhållsinsatser och tillståndsdata (Big Data) på de maskiner som producerar detaljerna, kommer att utvecklas och prövas. Producerade detaljer som kan studeras är exempelvis kugghjul, rullningslager, axlar, cylindrar, kolvar, frästa detaljer, karosseridetaljer och andra komponenter där toleranser, ytform och ytjämnhet är avgörande.

.

Tillverkningsavvikelser (Big Data) som kan predikteras är exempelvis kuggdelning, evolventprofilavvikelser, bombering, profilförskjutning, diametertoleranser, längdtoleranser, form och lägetoleranser som rundhet, koncentricitet, kast, rakhet, och planhet, samt ytjämnhetsparametrar som aritmetisk medelytavvikelse och bärighet (abbotkurva), profilform, och längdtoleranser i allmänhet. Big Data från verktygsmaskinerna kan vara vibrationer och temperaturer från kritiska positioner på maskinerna, produktionshastighet och belastning,skärdata, varvtal, smörjintervaller, underhållskostnader, intervaller för byte av komponenter och verktyg, verktygsslitage.

 

De metoder som skall utvecklas och prövas är exempelvis genetiska algoritmer,neurala närverk av standardtyp, neurala nätverk av typer Support-Vector Machines, samt en ny metod som baseras på den optimala kombinationen av ovanstående metoder. Forskarna arbetar i ett individuellt tävligsförfarande där bästa metoden vinner. En demonstrator utvecklas av det deltagande mjukvaruutvecklande företaget under ledning av ett forskningsinstitut. Demonstratorn installeras på plats hos företagen så att den automatiskt samlar in data och genomför de eftersökta predikteringarna.

.

Projektdeltagare:

LTU

Scania

Abu Garcia

BnearIT

Swerea IVF

.

Projektledare:

Jan Lundberg

Luleå tekniska universitet

jan.lundberg@ltu.se

.

X