Tilbake til søkeresultatene

NAERINGSPH-Nærings-phd

Heterogeneous environment of digital twins for industrial applications

Alternativ tittel: Heterogent miljø av digitale tvillinger for industrielle applikasjoner

Tildelt: kr 1,8 mill.

Prosjektleder:

Prosjektnummer:

337501

Prosjektperiode:

2022 - 2025

Midlene er mottatt fra:

Organisasjon:

Geografi:

I løpet av de siste tiårene har det vært raske fremskritt innen automasjon og digitalisering på grunn av fremskrittene som er gjort innenfor feltene internet of things (IoT), datakraft og programvareutvikling. Disse, sammen med nye teknologier som big data, cloud computing, kunstig intelligens (AI) og digitale tvillinger, gjør overgangen til industri 4.0 mulig. Dette doktorgradsprosjektet tar sikte på å undersøke hvordan digitale tvillinger kombinert med big data og AI kan optimere kostnadene, redusere karbonavtrykk og øke påliteligheten og sikkerheten for produksjon. Prosjektet er delt inn i tre hovedtemaer: 1. Sikker og effektiv menneske-maskin-samarbeid 2. Prediktivt vedlikehold 3. Smart produksjonsplanlegging I det første temaet skal stipendiaten bruke sensorer (2D- eller 3D-kameraer, lidarer eller lignende) for å oppdage mennesker i farlige miljøer. Videre vil bevegelsene til de oppdagede menneskene bli forutsagt ved hjelp av maskinlæring. Dette muliggjør sikker kontroll av maskiner, som er neste steg. Ved å definere ulike sikkerhetsnivåer for områder på produksjonsgulvet i en digital tvilling, kan farlige maskiner bremses og stoppes når et menneske nærmer seg dem. Motivasjonen for dette temaet er økt sikkerhet og høyere grad av plasseffektivitet siden det muliggjør muligheten for å fjerne burene som omgir farlige maskiner i dag. På det andre temaet vil stipendiaten se på hvordan big data kan brukes til å forutsi vedlikeholdstid for å unngå maskinfeil, samt lage en tidsplan for vedlikeholdsarbeidere. Big data vil komme fra sensorer som måler maskinparametere, for eksempel oljetemperatur eller lagervibrasjoner, for å nevne noen. Til slutt vil det bli foreslått metoder for smart produksjonsplanlegging ved å utvikle algoritmer som optimerer produksjonsplanleggingen og produksjonsveien fra råvare til ferdig produkt. På denne måten kan ledetid, hviletid, energiforbruk og avfall reduseres.

Over the last few decades, there have been rapid advancements within automation and digitalization due to the advancements made within the fields of internet of things (IoT) and computing power. These, together with emerging technologies like big data, cloud computing, artificial intelligence (AI) and digital twins (DT), makes smart manufacturing and the transition to industry 4.0 possible. The transitions demand high competences within the field of mechatronics combining information and communications technology (ICT) with technical understanding of manufacturing processes. Many small and medium-sized businesses (SMBs) are struggling to keep up with the pace of these rapidly evolving technologies. Tvillingfabrikken is positioned in the market of developing DTs for industrial SMBs and intends to be a catalyst for smart manufacturing systems towards industry 4.0. DTs are used to some extent today, mainly for visualization purposes and product development. However, the full potential is far from being fully exploited. This project aims at combining DTs with big data and AI for smart production planning, predictive maintenance as well as virtual commissioning and testing of new automated systems.

Budsjettformål:

NAERINGSPH-Nærings-phd