GOA-ML - Grundorsaksanalys av kvalitetsavvikelser vid tillverkning med användning av maskininlärning
| Diarienummer | |
| Koordinator | STIFTELSEN FRAUNHOFER-CHALMERS CENTRUM FÖR INDUSTRIMATEMATIK - Fraunhofer Chalmers Centre |
| Bidrag från Vinnova | 4 000 000 kronor |
| Projektets löptid | december 2016 - mars 2019 |
| Status | Avslutat |
Viktiga resultat som projektet gav
Det övergripande målet för projektet har varit att utveckla metoder baserade på maskininlärning för att identifiera grundorsaker till kvalitetsavvikelser i tillverkning.
Långsiktiga effekter som förväntas
Ett ramverk för att identifiera grundorsaker till kvalitetsavvikelser utvecklades tidigt i projektet. På grund av svårigheter att få tillgång till väl annoterad data angående faktiska orsaker till dokumenterade avvikelser lades fokus i senare delen av projektet på mindre delproblem i tillverkningsprocessen. En algoritm har satts i produktion som detekterar när kvaliteten efter en viss maskin avviker och därefter försöker reglera för att motverka felet. Två vetenskapliga artiklar angående generella metoder och en demonstratorprogramvara har tagits fram under projektet.
Upplägg och genomförande
Projektet har varit uppdelat i fyra arbetspaket som tillsammans har haft som mål att utveckla och implementera metoder för grundorsaksanalys. Två arbetspaket var fokuserade på generell metodutveckling för grundorsaksanalys och genomfördes i huvudsak av FCC och Chalmers. De andra två arbetspaketen berörde industrispecifika problemställningar tillämpade på SKF och Flexlink. Alla projektdeltagare har vid några tillfällen samlats men huvuddelen av projektsamverkan har skett i mindre grupper. Under del av projektet har SKF haft en person samlokaliserad en dag per vecka hos FCC.