STRIDE - Säker och Resilient Infrastruktur för Digital Industri

Syfte och Mål

Projektet syftade till att stödja industrin i att förstå och definiera sina långsiktiga behov av digital infrastruktur. Projektets mål var därför att definiera en vägledande ramverk och tjänst baserad på verkliga användningsfall inom industrin för att utveckla krav för motsvarande digital infrastruktur.

Resultat och utfall

STRIDE-projektet undersökte hur svensk industri kan förbereda sig för en ny generation av digitala och AI-drivna lösningar genom att utveckla ett strukturerat och människocentrerat sätt att definiera den digitala infrastruktur som krävs för framtida applikationer. I dag möter tillverkande företag växande utmaningar kopplade till IT–OT-integration, cybersäkerhet, regulatoriska krav och den snabba utvecklingen av AI-teknologier. STRIDE adresserade dessa utmaningar genom en unik kombination av människocentrerade metoder, praktiska tester och analys av framväxande AI- och cybersäkerhetsrisker.

En ny metod för planering av digital infrastruktur

Ett centralt resultat av STRIDE är Guidance Service, en praktisk metodik som hjälper företag att identifiera, förädla och validera den infrastruktur som krävs för nya digitala lösningar. Metoden är lättviktig, upprepningsbar och bygger på verkliga behov hos intressenter i stället för tekniska antaganden. Den vägleder organisationer från tidig utforskning till tydliga och investeringsklara krav och kan redan tillämpas i olika industriella sammanhang.

State-of-the-Art-insikter: AI, säkerhet och regelefterlevnad

Projektet levererar också en lättillgänglig översikt över aktuella risker kopplade till och från AI, relevanta cybersäkerhetsramverk och konsekvenser av EU:s AI-förordning. Dessa insikter hjälper företag att navigera i det snabbt föränderliga landskapet av AI-styrning, hotmodellering och regelefterlevnad samt utgör grunden för RISE:s metod för AI-riskklassificering för industriella applikationer.

Proof-of-Concept för industriell kvalitetsinspektion

För att validera metoden i praktiken genomförde STRIDE ett Proof-of-Concept baserat på verkliga produktionsdata. Defektprover från laminatproduktion skannades med Mitsubishi Electrics line-scan-teknik och användes för att träna en AI-modell. PoC-resultaten visade att både bildbehandlingstekniken och AI-modellen kan identifiera defekter med lovande precision. Detta ger projektets parter förtroende att gå vidare mot en framtida pilot och klargör tekniska krav för realtidsimplementering i industrin.

Industriell påverkan och framtida möjligheter

STRIDE har hjälpt projektpartners att förstå vilken digital infrastruktur de behöver, vilka teknologier som är redo för upphandling och vilka områden som kräver vidare utveckling. Resultaten stödjer även Sveriges ambitioner om en hållbar och innovativ industri och ligger i linje med Agenda 2030:s mål om anständiga arbetsvillkor, hållbar industri och ansvarsfull produktion.

Framtida arbete kan fokusera på att skala metodiken till nya användningsfall, möjliggöra återanvändning av AI-modeller mellan industrianläggningar och integrera AI-stödda verktyg för att analysera insikter från intressenter mer effektivt.

Läs mer

Fullständiga rapporter finns tillgängliga för organisationer som vill tillämpa metoden eller fördjupa sig i AI-riskhantering och industriell kvalitetsinspektion:

• STRIDE Final Report – Project methodology, PoC results, and recommendations (Länk)
• AI Risk Classification for Visual Quality Inspection – compliance insights under the EU AI Act (Länk)
• Security threats to and from AI models - A survey and state-of-the-art analysis

För samarbetsmöjligheter eller tillgång till Guidance Service, kontakta projektledaren.