SPM Instrument i prosjektsamarbeid om industrielt vedlikehold med AI og maskinlæring

SPM Instrument har inngått et prosjektsamarbeid med blant annet Mälardalens högskola for å utvikle en ny type system for AI-basert prediksjon av tilstandsbasert vedlikehold av industrimaskiner, noe som kan bidra til mer effektivt vedlikeholdsarbeid i svensk industri. CPMXai-prosjektet gjennomføres innenfor rammen av Produktion2030, som koordineres av Teknikföretagen med støtte fra den svenske innovasjonsmyndigheten Vinnova.

Innovasjon og forskning for bærekraftig vekst i svensk industri

Sveriges innovasjonsmyndighet Vinnova, som også er regjeringens ekspertmyndighet på det innovasjonspolitiske området, har som oppgave å styrke landets innovasjonsevne for å bidra til bærekraftig vekst. Myndigheten stimulerer til samarbeid og innovasjonskraft og gir ulike aktører mulighet til å eksperimentere og teste ut nye ideer - alt med sikte på å lette overgangen til en bærekraftig fremtid.

Vinnova investerer årlig rundt 3 milliarder svenske kroner i forsknings- og innovasjonsprosjekter. Dette gjøres hovedsakelig gjennom utlysninger der bedrifter og organisasjoner kan søke om midler - blant annet gjennom det strategiske innovasjonsprogrammet Produktion2030, som støttes av Vinnova, Energimyndigheten og Formas. Innenfor rammen av dette programmet ble det utlyst 41 millioner svenske kroner i 2021.

Bærekraft som drivkraft for å møte utfordringer

Med bakgrunn i de globale bærekraftsmålene i Agenda 2030 er målet med innovasjonsprogrammet Produktion2030 å skape en nasjonal base av forskning, innovasjon og utdanning for å sikre svensk industris konkurransekraft i 2030.

Produktion2030 er basert på seks langsiktige utfordringer for svensk produksjonsindustri. Med mål om at svensk industri skal være bærekraftig og konkurransedyktig, arbeider industri, akademia og forskningsinstitutter for å møte disse utfordringene med støtte fra programmet.

Virtuell produksjonsutvikling - en utfordring for svensk industri

En av utfordringene definert av Produktion2030 er "Virtuell produksjonsutvikling", som handler om å omdanne informasjon og data til kunnskap og beslutningsstøtte i virtuelle og fysiske produksjonssystemer. Innenfor dette utfordringsområdet har forsknings- og innovasjonsprosjektet CPMXai*) fått tildelt ca. 6 millioner svenske kroner for å utvikle en digital tvilling - en kopi i et datamiljø - av en utvalgt maskin i et produksjonsmiljø i tre år. Måledata fra den virkelige maskinen om aktuell driftstilstand vil bli implementert på den digitale tvillingen for å utvikle et nytt, automatisk verktøy for merking av tilstandsdata, som i sin tur vil danne grunnlaget for et selvovervåkende, selvlærende og selvforklarende system for prediksjon av maskinens tilstand.

SPM bidrar med givere, målesystemer og programvare for innsamling av tilstandsdata fra maskinen som skal danne grunnlaget for den digitale tvillingen. Videre er SPM ansvarlig for å konfigurere egnede måleoppdrag for den aktuelle maskinen, samt kunnskap om integrering av måledata til andre systemer.

Johan Nilsson, CTO i SPM Instrument, om prosjektet: "SPM investerer hvert år store ressurser i egen forskning og utvikling innen industriell tilstandsovervåking. Vår deltakelse i dette spennende prosjektet er en mulighet for oss til å styrke og utvikle samarbeidet med universitetet og våre andre prosjektpartnere, der vi også kan lære av hverandre. Prosjektet er i tråd med vår ambisjon om å fortsette utviklingen av maskinlæring og kunstig intelligens i våre løsninger. Vi ser et stort potensial i å effektivisere industrielt vedlikehold og løfte frem tilstandsovervåking som et effektivt verktøy for økt bærekraft i industrien ved hjelp av lett tilgjengelig og lettforståelig AI."

Prosjektkonsortiet for CPMXai består av Mälardalens högskola (MDU) som koordinator, Hitachi High-Tech Europe GmbH, Adopticum, Nordic Electronic Partner (NEP), GKN Driveline Köping AB, RISE Research Institutes of Sweden AB, og SPM Instrument.

*) Kognitivt, prediktivt vedlikehold og kvalitetssikring ved hjelp av EXplainable AI og maskinlæring