INSITE-X - AI-baserad analys av maskindynamik

Viktiga resultat som projektet gav

Projektet INSITE-X utvecklar data-drivna djupa AI-modeller för att från detaljerad produktionsdatamätning kunna prediktera produktionskvalitet för nyckeloperationer i en produktionskedja. Genom en detaljerad produktionsmodell baserad på data kan utfallet predikteras även för alternativa produktionsparametrar och processutvecklare kan då prova alternativa produktionsinställningar och se utfallet för dessa. Med djupa AI-modeller kan komplexa samband fångas där ingångsdata och mätning under produktion sammanfogas i en gemensam AI-modell.

Långsiktiga effekter som förväntas

För bandvalsning finns en djup AI-modell som med 90% säkerhet kan prediktera åtta formparametrar för utgående band, samt en demonstrator där en användare kan testa att sätta parametrar och se utfallet från detta. Man kan prova nya inställningar som inte kan provas i produktionen, vilket ger en djupare förståelse för olika beroenden mellan parametrar. Mindre erfarna operatörer kan träna på att styra processen genom att prova olika inställningar och se utfallet. Effekterna består i bättre processförståelse och processutveckling, med mindre skrot och därmed en mer hållbar process.

Upplägg och genomförande

Projektet har utvecklats i steg, med två valsningsfall hos två stålföretag. Arbetet har tätt integrerat alla partners kompetenser, med gemensamma möten har hållits varannan vecka där gemensamma diskussioner möjliggjort progression i projektet. Arbetssättet har möjliggjort stor kompetens och kunskapsutveckling hos alla partners och är en förutsättning för att nu kunna ta sig an nya AI-relaterade projekt inom processutveckling. Arbetssättet har varit mycket uppskattat hos partners och blir en förutsättning i kommande projekt, eftersom det är ett effektivt arbetssätt.

Externa länkar

Projekt web page at Högskolan i Skövde Projektets webbplats hos Högskolan i Skövde