AI för effektiva industriella processer

Även om företag inom olika branscher försöker implementera resultaten från AI-forskning, når de utvecklade prototyperna sällan skala eller produktion.
Efter mer än 75 projekt med industrin har RISE fått en gedigen förståelse för hur organisationer adopterar och integrerar AI och hur vår AI forskningskompetens tillför bäst värde inom flera områden.

Avancerad maskininlärning för:

• Energi- och driftseffektivitet
I dagens snabbt föränderliga teknologiska landskap läggs allt större vikt vid effektiv och miljöansvarig övervakning av industriella system. Integration av realtidsanalys har blivit avgörande för att i tid kunna upptäcka ineffektivitet och suboptimala driftförhållanden – särskilt eftersom moderna system blir allt mer komplexa och miljöreglerna allt strängare. Dessa krav medför ofta teknologiska omställningar – som att anta nya energikällor eller omstrukturera äldre system – där operativa insikter måste härledas från mycket begränsade exempel. Dessa system måste kunna förstå sin driftkontext och lära sig av tillgänglig data – ofta med sparsamma expertkommentarer – för att självständigt kunna identifiera, diagnostisera och åtgärda uppkommande problem.

Exempel: Federativ inlärning och edge processer för säker och effektiv verksamhet

• Processoptimering
Målet är att industrin genom denna integration ska kunna gå från reaktiv kvalitetskontroll till proaktiv processoptimering, vilket leder till mer hållbara och motståndskraftiga produktionsprocesser med energibesparingar, mindre avfall och förbättrad produktkvalitet. Vi utforskar hur användning av avancerade maskininlärningsmetoder, automation, nya sensorteknologier samt realtids- och offlineprovanalys kan leda till effektivare och mer hållbara produktionssystem inom flera branscher.

Exempel: Under hösten startar ett samarbete med RISE, Oatly, ORKLA, Höganäs, Incipientus, RHI Magnesia och Lantmännen i syfte att stärka processindustrins effektivitet och kunskap med AI och smarta sensorer.

• Prediktivt underhåll
Målet med prediktivt underhåll är att identifiera överhängande fel och ingripa i god tid innan de inträffar. Maskininlärning är det rätta verktyget när förståelsen för systemets grundläggande principer är begränsad, och när systemet är så pass komplext att det skulle vara mycket kostsamt att ta fram en exakt modell. En annan fördel med maskininlärning är modellernas generaliserbarhet till liknande delsystem utan att man fullt ut behöver förstå konstruktionsdetaljerna.

Exempel: AI för prediktivt underhåll

Tillämpning av RISE forskningskompetens inom AI

RISE har lång erfarenhet av att arbeta tillsammans med företag med verkliga problem. Vi har djup domänkunskap och stark kompetens inom AI, vilket gör att AI fungerar i praktiken. Vi utvecklar skräddarsydda AI-verktyg för alla steg i underhållskedjan:

• Avvikelsedetektering, diagnostik, livslängdsprognoser, underhållsplanering
• Hybrid-AI – kombinerar flera AI-metoder till en effektiv helhetslösning

Målen är effektivare underhåll, högre tillgänglighet och drifttid, minskad risk för oplanerade driftstopp samt ökad robusthet.

RISE erbjudande

RISE erbjuder flera vägar för organisationer som vill samarbeta med oss:

Direkta uppdrag som ger tillgång till forskningskompetens inom AI-testning och informationssäkerhet.
Paketerade tjänster anpassade för både privat och offentlig sektor.
Deltagande i framtida forskningsprojekt, finansierade på nationell eller EU-nivå, för organisationer som vill ligga i framkant inom ansvarsfull AI-utveckling.