skiss av Sven Wingquist inför projektet

Doktorandprojekt: Maskininlärning i tillverkningsindustrin

Tillverkningsindustrin kämpar med att ta klivet in i den smarta teknologins era. Moderna metoder framtagna i laboratorier och dataintensiva megaprojekt motsvarar dock sällan förväntningarna när de tillämpas i verkligheten. Detta doktorandprojekt syftar till att flytta forskningen ut ur labbet och in i verkligheten, så att pragmatiska metoder kan utvecklas.

Fakta om projektet

Doktorand
Felix Viberg
Huvudhandledare
Welf Löwe
Biträdande handledare
Lars Håkansson
Deltagande organisationer
Linnéuniversitetet, SKF
Finansiär
SKF, KK-stiftelsen
Tidsplan
2021–1 okt 2025
Ämne
Data- och informationsvetenskap (Institutionen för datavetenskap och medieteknik, Fakulteten för teknik)

Mer om projektet

Traditionellt sett har tillverkningsindustrin gjort sig beroende av tåliga maskiner och tåliga människor. En strategi som fungerat väl i en era av materiellt överflöd och en aldrig sinande ström av arbetstagare.

Men tiderna förändras och idag krävs istället "smart effektivitet", där man inte längre optimerar för gigantisk output till minimal kostnad – utan även för ekonomisk hållbarhet, dynamisk leveranstakt, miljövänlighet, arbetstagarattraktion och ergonomi. Om man besöker en fabrik så kan man ofta se, med blotta ögat, att denna förändring håller på att ske eftersom den gamla tidens produktionslinjer fortfarande används i varierande utsträckning.

Att inkorporera dataintensiv metodik i befintliga produktionslinjer, såsom exempelvis maskininlärning, kräver att lösningarna skräddarsys. Uppgiften är komplex, men kan inte vänta.

I detta projektet vill SKF, tillsammans med Linnéuniversitetet, applicera dataintensiva metoder i den lägsta organisationsnivån så att man kan få insikt i tillverkningen. Projektets syfte är att modifiera existerande metoder så att de blir applicerbara i verkligheten, implemetera dessa och rapportera resultaten till forskningsvärlden.

Vi förväntar oss att dataintensiva metoder väger beräkningskostnaden mot bättre resultat – ett samband som kan utvärderas till fullo först efter det att metoden implementerats i verkligheten. Projektet syftar också till att ta fram nya sätt att visualisera analysresultat allt eftersom data tillkommer.

Projektet är en del av forskningen i forskargruppen Data Intensive Software Technologies and Applications (DISTA) och Linnaeus University Centre for Data Intensive Sciences and Applications (DISA).