Future AI-based Maintenance

Syfte och mål

Det primära målet är ett ramverk för prediktivt underhåll och planering under osäkerhet inom industrin. Det inkluderar utveckling av en plattform för prediktionsmodeller, nya metoder för prognoser av komponenters livslängd, metoder för dynamisk och robust planering, samt simuleringsverktyg för att utvärdera och jämföra olika avancerade underhållsstrategier. Projektet syftar till att minska affärsmässiga risker med att övergå till effektivare och AI-baserade underhållsstrategier och därigenom öka resurseffektivitet och konkurrenskraft i svensk industri.

Förväntade effekter och resultat

En ny modulär plattform för användning av prediktivt underhåll och planering under osäkerhet inom industrin ska utvecklas. Nya och förbättrade prediktionsmetoder för livslängdsprognoser för komponenter, baserade på maskininlärning och kausal modellering, speciellt med fokus på hantering av osäkerhet. Nya metoder för dynamisk och robust planering under osäkerhet inom industrin samt ett simuleringsverktyg för beslutsstöd som möjliggör utvärdering och jämförelse av olika avancerade underhållsstrategier med hänsyn till risk och kostnad.

Planerat upplägg och genomförande

För att uppnå projektets mål kommer vi adressera fyra områden, som svarar mot fyra arbetspaket: - en gemensam probabilitistisk representation av prediktioner, kostnader och risker för kvarvarande användbart liv (RUL) - metoder för prediktion av RUL och dess osäkerheter för en mängd komponenter - dynamisk underhållsplanering under osäkerhet med produktion i beräkningen. - ett simuleringsverktyg för utvärdering av underhållsstrategier Utöver detta kommer det finnas ett arbetspaket för projektledning och kunskapsspridning.