Ny teknik ska minska manuell hantering
Tillsammans ska experter från industrin och forskare från forskningsmiljön Data Intensive Science and Applications (DISA) vid Linnéuniversitetet ta fram nya metoder för att öka effektivitet och noggrannhet i avvikelsedetektering.
Industriell kvalitetskontroll innebär ofta manuell avsyning, vilken både är kostsamt och känsligt för fel, skriver de i pressmeddelandet. Men den nya teknologin baserad på maskininlärning (AI) har processen för att upptäcka avvikelse automatiskt blivit möjlig.
– Vårt mål är att öka flexibiliteten och skalbarheten i kvalitetskontrollsystemet genom att minska behovet av manuell hantering. Den nya tekniken kallas normalizing flows och hjälper till att hitta och förutsäga avvikelser i data, vilket gör det möjligt att identifiera potentiella problem i tidigt skede och ta åtgärder för att förhindra dem, säger projektledare Diana Unander.
Projektet samlar experter från industrin inom områdena tillverkning, automation och kvalitetssäkring och tillsammans med forskarna kommer man testa och utvärdera teknikens prestanda i verkliga miljöer.
Bland annat Gimic, SKF och Gunnebo Industrier är en del av The Crosby Group och kommer bidra med sina kunskaper. Arbetet syftar till att göra metoden användbar inom industrin och förbättra detekteringen av avvikelser.
– Konsortiet har inlett arbetet och det finns stort engagemang och drivkraft för att arbeta vidare med de utmaningar vi står inför. Vi ser kombinationen av kunskaper och kompetenser som en framgångsfaktor och ser fram emot att kunna leverera resultat som inte bara kan komma till nytta för projektparterna utan för industrin i stort, säger Diana Unander.
