E3

Efficient Equipment Engineering

Projektet ligger inom branschen 4.0 nära relaterat till ansökan och tekniska lösningar som föreslås av Efficient Equipment Engineering E3

På grund av den generella maskinens långa livslängd är tekniska och ekonomiska bedömningar före installation nödvändiga för att uppnå avkastning på investeringar (ROI) av slutanvändarna inom en hanterbar tidsram. Teknik för livscykelkostnad (LCC) och RAMS (Reliability, Availability, Maintenance and Safety) är två erkända metoder för att hjälpa optimeringsprocessen. Den kombinerade användningen av RAMS och LCC-analyser kommer att beskriva de mest relevanta faktorerna i ekonomisk och teknisk prestanda i förhållande till drift- och underhållsalternativen som skulle uppstå för maskinens system för olika styrningssituationer. Maskinens tillförlitlighet, tillgänglighet, underhåll och säkerhet är de viktigaste faktorerna som är direkt kopplade till drift och underhållseffektivitet vilket leder till lönsamhet.

I detta sammanhang, Efficient Equipment Engineering (E3)syftar till att införa ett kvalitativt hopp i kvaliteten, anpassningsförmågan och robustheten hos kontrollstrategier som kommer att driva maskinen under nyttjandeperioden, där produktionsförhållanden och maskinstatus inte kan anses vara oförändrade. Projektet introducerar ett nytt tillvägagångssätt genom att kombinera RAMS med CBM och hälsoövervakning för att utvärdera systemets livscykelkostnad. Användningen av nuvarande kostnadseffektiva övervakningslösningar kommer att förbättra minskningen av nedtider, minimering av elförbrukningen och minskning av avfall och drift och underhållstjänster förbättras tack vare en kostnadsberäkning av livscykelkostnader i realtid och förutsägbar analysfunktion.

 

Project leader

Projektet i korthet

Projektets fullständiga namn:
Efficient Equipment Engineering

Projekttid: 
2016-07-01 – 2018-06-30

Finansieras av: 
The Knowledge Foundation
Volvo Cars Corporation
Autokaross I Floby AB
Eurofins

 

Forskare relaterade till det aktuella projektet

Amos Ng, Professor (University of Skövde)

Kanika Gandhi, Ph.D (University of Skövde)

Bernard Schmidt , Msc (University of Skövde)

Forskare relaterade till det aktuella projektet