Text

Förnybar energi

Heterogena system

Human

Hållbar livsstil och hälsa ut ett folkhälsoperspektiv

Industriella AI-system

Industriell programvaruteknik

Komplexa inbyggda system i realtid

Learning, Inclusive education, School transitions – for All (LISA)

Lärande och optimering

Modellbaserad konstruktion av inbäddade system

M-TERM - Mälardalen University Team of Educational Researchers in Mathematics

Forskargruppen MIND (Mälardalen INteraction and Didactics)

Personcentrerad vård och kommunikation

Programmeringsspråk

Programvarutestlaboratorium

Resurseffektivisering

Samhällsvetenskapernas didaktik och pedagogiska praktiker

Språk- och litteraturvetenskap samt ämnenas didaktik

Statsvetenskap

Stokastiska processer, statistik och finansmatematik

Säkerhetskritisk teknik

Teknisk matematik

Vård, återhämtning och hälsa

Artificiell intelligens och intelligenta system

Automatiserade mjukvaruspråkutveckling och mjukvaruteknik

Certifierbara bevis och justifieringsteknik

Cyber-fysisk systemanalys

Digitalisering av framtidens energi

Formell modellering och analys av inbyggda system

IDEA: Identifiera nyckelvariabler vid övervakning av produktionsprocesser inom fordonsindustrin

Projektet IDEA syftar till att automatiskt identifiera nyckelvariabler för processövervakning med hjälp av djupinlärning.

Avslutat

Start

2021-04-01

Avslut

2021-12-31

Huvudfinansiering

Medfinansiering

Samarbetspartners

Forskningsområde

Forskningsinriktning

Projektansvarig vid MDU

No partial template found

Inom fordonsindustrin ökar omfattningen och komplexiteten i produktionsprocesserna, vilket leder till höga krav på säkerhet och produktionskvalitet. Processövervakning är avgörande för att säkerställa korrekt processdrift och snabb upptäckt av avvikelser och farliga händelser. Eftersom massor av variabler i processen samlas in och lagras, orsakar det problemet med data med för hög dimension, den så kallade "curse of dimensionality" .

Projektet IDEA syftar till att automatiskt identifiera nyckelvariabler för processövervakning med hjälp av djupinlärning. Utgångspunkten är att inte alla underliggande variabler är relevanta för övervakning för att upptäcka avvikelse eller fara. Att utesluta irrelevanta variabler från modellen för detektering kommer inte bara att minska komplexiteten utan också avsevärt förbättra modellnoggrannheten. Projektet kommer att utföras i nära samarbete mellan MDU och Volvo Truck.

Projektsyfte

Projektet IDEA syftar till att automatiskt identifiera nyckelvariabler för processövervakning med hjälp av djupinlärning.

Projektmål

Utveckla effektiva inlärningsalgoritmer för att identifiera delmängden av nyckelvariabler samt datakluster som återspeglar normalt processbeteende.