Självpredicerande och kommunicerande elektriska drivsystem för optimering av industriella processer
| Diarienummer | |
| Koordinator | Kungliga Tekniska Högskolan - DEPARTMENT OF NETWORK AND SYSTEMS ENGINEERING |
| Bidrag från Vinnova | 2 917 800 kronor |
| Projektets löptid | september 2018 - augusti 2021 |
| Status | Avslutat |
| Utlysning | Strategiska innovationsprogrammet Smartare elektroniksystem |
| Ansökningsomgång | Smartare Elektroniksystem. Forsknings- och innovationsprojekt 2018 |
Viktiga resultat som projektet gav
Projektets mål var att realisera ett proof-of-concept av ett nytt sätt att möjliggöra pålitliga, flexibla och optimerad industriella processer, genom smarta elektriska drivsystem sammankopplade i ett "edge moln". Projektet demonstrerade framgångsrikt de flesta av nyckelelementen i detta koncept, en testbädd för högfrekventa mätningar för statusövervakning, en trådlös kommunikationsinfrastruktur för datainsamling i realtid och ML-baserad felidentifiering och förutsägelse av hälsotillstånd.
Långsiktiga effekter som förväntas
Projektresultaten visar potentialen i visionen av samarbetande smarta elektriska drivsystem, med stöd av avancerade nätverks- och datavetenskapliga metoder. Gällande industripartnernas bidrag visade projektet att ny trådlös nätteknik kan ge fördelarna av utbytta fasta nätverkskablar och ändå få högt tillförlitlighet även i tuffa industrimiljöer. Vi har också visat att maskininlärningstekniker kan användas som ett verktyg för prediktivt underhåll med löftet att tillämpa samma principer på olika maskiner.
Upplägg och genomförande
Projektet bildades av KTH, ABB, Imagimob, LumenRadio och Ericsson, med expertis inom elektriska maskiner på KTH och ABB, maskininlärning och inbyggda AI på Imagimob, och trådlös kommunikation och nätverk på KTH, LumenRadio och Ericsson. Partnerna var mycket väl lämpade för projektet och gynnades av de tvärvetenskapliga målen. Projektet krävde omfattande experimentellt arbete, vilket tyvärr hindrades av den pågående pandemin.