(End-to-End) AI för kvalitetssäkring inom tillverkningsindustrin
Projektet kommer att skapa användarvänlig End-to-End AI för automatiserad kvalitetskontroll av tillverkade komponenter som kan anpassa sig till olika arbetsförhållanden och produktdesigner.
Projektet kommer att använda sig av moderna AI-tekniker, såsom multimodala stora språkmodeller, zero-shot defektdetektering, syntetisk datagenerering och banplanering för robotar, med syfte att accelerera svensk industris användning av AI för kvalitetskontroll.
Projektet siktar mot att öka tillverkningsindustrins prestanda och konkurrenskraft, och minska dess miljöpåverkan och resursförbrukning. Det kommer att bidra till vetenskapliga och samhälleliga framsteg inom AI-forskning och tillämpningar genom samarbete och kunskapsutbyte mellan akademiska och industriella parter, och genom att dela med sig av slutsatser och resultat. Projektet kommer att stödja en digital omvandling och hållbar utveckling av den svenska industrin och samhället.
Projektet kommer att tillämpa multimodala LLM:er, metoder för defektdetektion utan förträning (zero-shot) samt publika data för att skapa ett innovativt system för kvalitetskontroll. Syntetiska data för prestandaförbättring kommer att utforskas, liksom möjligheten att använda ljud som komplement till bilder. Projektet adresserar även behovet av avancerad banplanering för robotar, för att komma förbi det stora hinder som manuell banprogrammering ofta innebär för kvalitetskontroll.
Sammanfattning
Projektnamn
AI4QAM
Status
Pågående
RISE roll i projektet
Koordinator
Projektstart
Varaktighet
3 år
Total budget
16 943 502 SEK
Partner
Enodo Robotics AB, Husqvarna AB, PVI Hydroforming AB, Scania CV AB, Tekniska Högskolan i Jönköping AB, Thule Group AB
Finansiärer
Vinnova, Avancerad och innovativ digitalisering 2024 - första utlysning
Projektmedlemmar
Larisa Rizvanovic Jonas Lindqvist Tomas Olsson Andreas Thore Lennart Elmquist Rakesh Shrestha