Evolverbar artificiell intelligens för prediktivt underhåll
Prediktivt underhåll kan göra det både billigare och enklare att hålla industrins maskiner i gott skick. Med hjälp av AI och sensorer kan man förutse när en maskin faktiskt behöver servas – istället för att byta ut delar i onödan. På så sätt kan man använda utrustningen längre, spara pengar och samtidigt göra produktionen mer hållbar för miljön.
För att AI ska bli riktigt träffsäker krävs data om hur och när maskiner går sönder – och just den informationen är ofta svår att få tag på, eftersom maskiner oftast är byggda för att inte gå sönder.
Det här projektet vill därför ta fram en smart och flexibel AI-lösning för prediktivt underhåll, som lär sig över tid. Genom att använda data från liknande maskiner, experter som märker upp avvikelser, och till och med syntetisk data, kan AI:n bli bättre på att förutse problem innan de händer. Lösningen kommer att testas i skogs- och pappersindustrin.