Flexibla modeller för smart underhåll

Ett smart underhåll innebär att maskiner själva identifierar och ev. genomför ett underhållsbehov. Tekniken finns i nya moderna maskiner, men behovet är stort i befintliga anläggningar. Projektet syftar till att ta fram modeller för smart underhåll av befintlig äldre utrustning.

Underhåll i befintliga anläggningar blir allt viktigare, där prediktivt underhåll har blivit en framväxande teknik. Användningen av digitala verktyg för simulering och beslutsstöd är aktiviteter som bidrar till en miljömässigt och ekonomiskt hållbar produktion. Inom detta projekt har olika typer av digitala tvillingar utformats och utvärderats. Specifikt har nya prediktiva modelltyper testats i två olika industriella fallstudier. De två fallstudierna är en värmeväxlare på SSAB och en profilhyvel på Svenska fönster AB.

Mätdata från anläggningarna har inhämtats från befintliga styrsystem samt med ett kompletterande mätsystem. Efter insamling av mätdata har olika modelltyper provats. Modelleringsarbetet har skett off-line och analys av resultaten har gjorts gemensamt av modellutvecklare och personal med processkännedom. Den modelltyp som gav bäst utfall är en metod baserad på latenta variabler (Lava). LAVA-modellen innebär bl. a. att den skattade modellen får få icke-linjära termer, och på så viss minskas även problemen med överanpassning som annars kan uppstå då allt för flexibla modelltyper används vid modellskattning.

Det är en Black-box modell, men trots det är processkännedom viktigt och nödvändigt för en lyckad implementering. Resultaten från projektet är lovande men ytterliga verifieringar är önskvärda för att kunna eliminera säsongsvariationer. Inom ramen för projektet har även en teknisk plattform för implementering identifierats.

Kontakt

Projektledare
Niclas Björsell
niclas.bjorsell@hig.se

Publicerad av: Zara Lindahl Sidansvarig: Gunilla Mårtensson Sidan uppdaterades: 2018-08-23
Högskolan i Gävle
www.hig.se
Box 801 76 GÄVLE
026-64 85 00 (växel)