Projekt · Dnr 2026-00108 · Källa: Vinnova

HybriDX - Hybrid feldiagnos av okända fel i industriella system

Koordinator
Linköpings universitet, Linköpings Universitet Inst f systemteknik ISY
Projekttid
2026-04-01 till 2028-03-31 (beslutat)
Beviljat bidrag
3 548 708 SEK
Diarienummer
2026-00108

Beskrivning

HybriDX-projektet syftar till att utveckla ett AI-baserat beslutsstöd för övervakning och feldiagnos i komplexa industriella system. Målet är att möjliggöra tillståndsbaserat underhåll i stället för tidsstyrda serviceintervall, för att minska oplanerade stopp, kostnader och miljöpåverkan. Projektet fokuserar på att kombinera fysikaliska insikter med datadrivna modeller och maskininlärning för att skatta degradering och peka ut fel i ett användarvänligt gränssnitt för människa–AI-samverkan. Detta projekt kommer att bidra med metoder för att konstruera maskininlärningsmodeller som kan stötta en operatör att resonera kring felscenarier som modellerna inte har sett förut. Metoderna i detta projekt kommer att effektivisera framtagandet av nya diagnossystem för industriella system vilket kommer att öka konkurrenskraften hos svensk industri.

Öppna hos Vinnova

Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.

Liknande

  1. HEALTH: Hazard Estimation and Analysis of Lifelong Truck Histories

    Volvo Lastvagnar Aktiebolag · 2017-10-09 · 5 000 000 SEK · Projekt

    Oplanerade stopp kan undvikas med hjälp av prediktion av felet genom kontinuerlig övervakning av fordonets hälsostatus. För att hitta mönster bakom fel i ett system som är så komplicerat som en modern lastbil, måste nya metoder för att analysera data utvecklas. HEALTH projektet syftar till att skapa…

  2. EUREKA EURIPIDES2 Failure Analysis 4.0

    RISE RESEARCH INSTITUTES OF SWEDEN AB · 2020-05-01 · 7 821 546 SEK · Projekt

    Målet med projektet var att utveckla en mestadels automatiserad process för feldiagnostik som integrerar självlärande dataanalys, feldetektering och -lokalisering, standardiserad materialanalys, centraliserad datainsamling och korrelation med elektriska prestandadata. Det svenska konsortiets huvudsa…

  3. Prediktering och identifiering av uppkommande fel i elsystem med maskininlärningsdrivna metoder

    ENERYIELD AB · 2020-12-01 · 900 000 SEK · Projekt

    Under projektet färdigställdes framgångsrikt en offline prototyp baserad på maskininlärning (ML) för prediktering av begynnande fel i elsystem. Förutom metod för prediktering av begynnande fel utvecklade Eneryield metoder för detektering och klassificering av anomalier, vilket är värdeskapande i sig…

  4. DELPHI Diagnos genom att nyttja fysikaliska insikter i neurala nätverk

    Scania CV AB · 2022-03-30 · 4 715 351 SEK · Projekt

    Projektet hade som mål att utveckla metoder för att generera datadrivna residualer med hjälp av strukturell information och tidseriedata. Man undersökte hur modellerna kan tränas och hur man kan hantera när träningsdatat inte är representerar de felfall man vill diagnosticera. I fallstudier tillsamm…

  5. UNIFY-AI: Integrering av AI-system med MLOps och Time-Series Foundation-modeller för skalbar industriell intelligens

    Högskolan i Halmstad · 2026-05-25 · 4 735 000 SEK · Projekt

    UNIFY-AI syftar till att utveckla en grundmodell för tidsserier med stöd av robust MLOps. Projektet adresserar en central begränsning i dagens fordonsanalys: de flesta AI/ML-lösningar byggs som isolerade, uppgiftsspecifika modeller, vilket leder till upprepad databearbetning och dubblerat utveckling…