Text

Cyber-fysisk systemanalys

Datakommunikation

Digitalisering

Formell modellering och analys av inbyggda system

Förnybar energi

Hållbar livsstil och hälsa ut ett folkhälsoperspektiv

Industriell programvaruteknik

Komplexa inbyggda system i realtid

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

Lärande och optimering

Medicinsk teknik

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

Stokastiska processer, statistik och finansmatematik

Säkerhetskritisk teknik

Teknisk matematik

Vård, återhämtning och hälsa

ChiP – Barns rätt till hälsa, skydd, stöd och delaktighet

Heterogena system

Artificiell intelligens och intelligenta system

Automatiserade mjukvaruspråkutveckling och mjukvaruteknik

Certifierbara bevis och justifieringsteknik

IDEA: Identifiera nyckelvariabler vid övervakning av produktionsprocesser inom fordonsindustrin

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

Start

2021-04-01

Planerat avslut

2021-12-31

Huvudfinansiering

Medfinansiering

Samarbetspartners

Forskningsområde

Forskningsinriktning

Projektansvarig vid MDH

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 MDH 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.


Forskningen har anknytning till följande globala hållbarhetsmål

Infrastruktur och industri. FN:s globala mål 9.

Bygga upp en motståndskraftig infrastruktur, verka för en inkluderande och hållbar industrialisering och främja innovation.

Läs mer
Till toppen