DAIMP - Dataanalys inom underhållsplanering

Projektet syftar till att öka produktivitet, robusthet och resurseffektivitet i produktionssystem genom datadriven underhållsplanering.

Projektet har som målsättning att öka analys av stora datamängder inom underhållsplanering. Tillgängligheten i svensk industri är i nuläget för låg för att implementera koncept för digitaliserad produktion, exempelvis Industrie 4.0.

Syftet med projektet är således att möjliggöra ökad produktivitet, robusthet och resursutnyttjande genom reducering av störningar, speciellt i kritisk utrustning. DAIMP-projektet kopplar samman datastrukturer på maskinnivå med analyser på systemnivå. Förväntade resultat inkluderar: data- och informationsstrukturer för ökat internt och externt samarbete, algoritmer för prediktiv och normativ analys, samt datadriven kritikalitetsanalys för att möjliggöra differentierad underhållsplanering.

Utöver forskningsorienterade arbetspaket kommer projektet också inkludera fallstudier och demonstratorer. En av studierna fokuserar på användandet av datadriven underhållsplanering vid introduktionen av nya bilmodeller och produktionsliner på Volvo personvagnar.

Projektledare: Anders Skoogh, Chalmers tekniska högskola
anders.skoogh@chalmers.se

Samarbetande organisationer

  • VBG GroupTruck Equipment AB (Privat, Sweden)
  • AXXOS Industrial Systems (Privat, Sweden)
  • Mälardalens högskola (Akademisk, Sweden)
  • Kungliga Tekniska Högskolan (KTH) (Akademisk, Sweden)
  • Scania CV AB (Privat, Sweden)
  • Volvo Group (Privat, Sweden)
  • Volvo Cars (Privat, Sweden)
  • IFS world (Privat, Sweden)
Startdatum 2016-03-01
Slutdatum Projektet är avslutat: 2019-02-28

Finansieras av

  • VINNOVA (Offentlig, Sweden)

Publicerad: lö 30 nov 2019.