• Danish
  • English

AI Hardware-Apps i industriel produktion/fremstilling

Formålet med dette projekt er at demonstrere hvordan dybdegående AI-analyser af procesdata kan benyttes til at foretage datadrevne optimeringsvalg i en produktionskontekst.

AU Engineering, sammen med Teknologisk Institut og flere SMV-virksomheder, vil bygge videre på resultaterne af en tidligere udviklingsindsats med fokus på udvikling af et avanceret cloud-system til at muliggør optimeret/effektiviseret data-dreven produktion. 20181121_projekt _start 2019

Opgaven i den tidligere indsats bestod først og fremmest i at identificere de mest prominente og egnede cloud-teknologier, der muliggør effektiv og sikker håndtering af store mængder proces-data. Disse teknologier skal besidde de nødvendige redskaber til at få indsigt i proces-data med henblik på at optimere robot-styret produktion, eksempelvis ved at give mulighed for data-visualisering, for at forstå hvilken indflydelse konfigurations-parametre har på produktionen over tid, eller ved brug af machine learning teknologi til at optimere disse parametre.

Nærværende projektet demonstrerer, hvordan dybdegående AI-analyser af procesdata kan udføres via det nyudviklede cloud-system. Målet er at vise, hvordan systemet i praksis kan benyttes til at foretage data-/intelligence drevne optimeringsvalg i en produktionskontekst.

Projektets formål
Formålet med dette projekt er at forstå, udvikle og demonstrere nye AI-algoritmer til industrielle robot applikationer. Fokus vil være at bringe supplerende viden og kompetencer omkring AI ind i Innovationsnetværkets faglige fokusområder.

Projektet vil bidrage med ny viden om hvordan dataanalyse vedrørende optimering af Hardware-Apps (HAPPs) kan muliggøre en mere effektiv industriel produktions-/fremstillingsproces. Dette involverer:

  • Kortlægning af de typer data, der skal analyseres
  • Udvælgelse og afprøvning af machine learning teknikker, der kan udnytte informationen i de valgte datatyper
  • Afklaring af muligheder for at gøre machine learning teknikker anvendelsesvenlig til det specifikke domain samt demonstration af dette.

Mulighed for samarbejde
Projektet vil være relevant for alle virksomheder, som har interesse i at lære mere om muligheder for anvendelse af HAPPs ifm. optimering af industrielle produktions- og fremstillingsprocesser.

Projektet ledes af Aarhus Universitet i samarbejde med Teknologisk Institut.

Er du interesseret i at deltage i projektet, så læs mere HER

Kontaktperson
Christina E. WanscherChristina E. Wanscher

Netværksleder

Innovationsnetværket RoboCluster

M. +45 9350 7500

LOADEMAIL[cewa]DOMAIN[robocluster.dk]

robocluster

Kort om Innovationsnetværket RoboCluster 

Innovationsnetværket RoboCluster samler danske kompetencer inden for forskning, udvikling og design af robotteknologi. Netværket giver dig ny viden om robotter, robotteknologi og intelligente løsninger og services til indsatsområder med stor politisk og udviklingsmæssig bevågenhed. Få nye input til netop dine udfordringer med robotteknologi og automatisering og kom tættere på det danske robotmiljø 

Læs mere...
  • Kontakt
  • Campusvej 55
  • 5230 Odense M
  • Telefon: 6550 7400
  • LOADEMAIL[mail]DOMAIN[robocluster.dk]

Bevillingsgivere

BevillingsgivereBevillingsgivere