AutoFix Automatisk design av fixturer

Viktiga resultat som projektet gav

Syftet med AutoFix-projektet var att öka automatiseringsgraden inom fixturkonstruktion baserad på multidisciplinär optimering (MDO) och maskininlärning (ML). AutoFix har utvecklat metoder och verktyg för att automatiskt optimera resurskrävande fixtureringsarbete med hjälp av designautomation (DA), MDO och ML. Alla arbetspaket har genomförts, och från ett tekniskt perspektiv har kunskapsgenereringen varit betydelsefull, speciellt inom maskininlärning och i synnerhet inom områden som reinforcement learning och supervised learning.

Långsiktiga effekter som förväntas

Projektet resulterade i fyra vetenskapliga publikationer och en licentiatexamen, helt eller delvis finansierade av AutoFix. Projektet har medfört signifikant kunksapshöjning inom akademin och tekniken fortsätter att implementeras och utvecklas i andra forskningsprojekt.

Upplägg och genomförande

Alla arbetspaket har genomförts, och från ett tekniskt perspektiv har kunskapsgenereringen varit betydelsefull, speciellt inom maskininlärning och i synnerhet inom områden som reinforcement learning och supervised learning. Trots detta uppnådde projektet inte sina marknadsmässiga mål. Modeller och ramverk har utvecklats i verktyg som Volvo inte använder och har därför varit svåra att implementera på plats Implementeringarna har inte löst ett tillräckligt stort problem med avseende på investeringar som behövs för att utveckla dem.