Projektet samlar experter från industrin inom områdena tillverkning, automation och kvalitetssäkring och tillsammans med forskarna kommer man testa och utvärdera teknikens prestanda i verkliga miljöer. Företagen Gimic, SKF och Gunnebo Industrier, som är en del av The Crosby Group, bidrar med sina kunskaper och produktionsdata. Arbetet syftar till att göra metoden användbar inom industrin och förbättra detekteringen av avvikelser.
– Konsortiet har inlett arbetet och det finns stort engagemang och drivkraft för att arbeta vidare med de utmaningar vi står inför. Vi ser kombinationen av kunskaper och kompetenser som en framgångsfaktor och ser fram emot att kunna leverera resultat som inte bara kan komma till nytta för projektparterna utan för industrin i stort, säger Diana Unander.
Projektet är en del av Vinnovas satsning på Avancerad och innovativ digitalisering, och har i hård konkurrens beviljats drygt 4 miljoner från Vinnova med en totalbudget på drygt 8 miljoner och kommer att löpa under 3 år.
Fyra miljoner till revolutionerande AI-projekt för att upptäcka problem i industriproduktion
NYA METODER FÖR AVVIKELSE-DETEKTERING. Vinnova har nyligen beviljat forskningsmedel till ett projekt för att förbättra industriell kvalitetskontroll genom "normalizing flows", en ny teknik som används inom maskininlärning (artificiell intelligens) för att förstå och modellera komplexa förhållanden och mönster.
Tillsammans med experter från industrin ska forskare från forskningsmiljön Data Intensive Sciences and Applications (DISA) vid Linnéuniversitetet ta fram nya metoder för att öka effektivitet och noggrannhet i avvikelsedetektering.
Traditionellt har industriell kvalitetskontroll inneburit manuell avsyning, vilket är både kostsamt och känsligt för fel. Men tack vare ny teknologi baserad på maskininlärning (AI) har processen för att upptäcka avvikelser automatiskt blivit möjlig.
– Vårt mål är att öka flexibiliteten och skalbarheten i kvalitetskontrollsystemet genom att minska behovet av manuell hantering, säger projektledare Diana Unander. Den nya tekniken kallas alltså "normalizing flows" och hjälper till att hitta och förutsäga avvikelser i data, vilket gör det möjligt att identifiera potentiella problem i tidigt skede och ta åtgärder för att förhindra dem.