Avslutade forskningsprojekt: Virtual Production Development

2016-2018 På ambulansstationen i Skövde började man 2016 bygga upp en unik simuleringsmiljö för utbildning av personal. Två år senare har man utbildat 110 ambulanssjuksköterskor och inspirerat utvecklingen av simuleringsträning av prehospital sjukvård i Sverige.

2018-2020 De flesta kvalitetskontroller som utförs på metallkomponenter tillverkade av pressgjuterier och varmpressningsföretag hanteras idag manuellt. Vi tror att en ökad automatisering av detta moment kraftigt skulle gynna företagens konkurrensförmåga. Projektet avser därför utveckla, testa och utvärdera kamerasystem för automatiserad kvalitetskontroll av pressgjutna och varmpressade metallkomponenter.

2012-2018 Även framgångsrik industriproduktion har ofta saker att förbättra – och flaskhalsar som sinkar. Men vilken förbättring har egentligen störst effekt? I sin forskning ska Jacob Bernedixen automatisera och effektivisera en modell som sätter fingret på vilken förbättring företaget tjänar mest på att lösa.

2021-2024 För att tillverkande företag ska förbli konkurrenskraftiga, motståndskraftiga och hållbara i en ständigt föränderlig värld krävs extrem flexibilitet i produktionsprocesserna. Det här projektet ska utveckla ett nytt cyberfysiskt ramverk för att realisera extremt flexibel produktion.

2018-2020 Produktionen blir alltmer komplex och industrin har ett stort utvecklingsbehov som följd av att kraven på digitalisering, hållbarhet och kompetens ökar. Samtidigt finns en uppsjö med forskningsresultat som bidrar till en snabbare utveckling, men allt för få med kompetens att driva implementeringen. Nu är det dags att plugga bort glappet!

2016-2018 Projektet ligger inom branschen 4.0 nära relaterat till ansökan och tekniska lösningar som föreslås av Efficient Equipment Engineering E3.

2020-2022 Detta projekt vill testa användningen av tekniken Augmented Reality (AR) för att förbättra simuleringen genom att öka inlevelseförmågan och ge en bättre miljö för träning och inlärning hos hela traumateamet på Skaraborg Sjukhus i Skövde (SkaS).

2024 Projektet fokuserar på att förstärka genomförandet av omställningen av hälso- och sjukvården. Målet är att med kvantitativa beräkningar, alternativa scenarier och simuleringar beskriva hur kompetensbehov, utbud och leverans av sjukvård i Västra Götalandsregionen (VGR) kan komma att förändras fram till 2040, både till följd av externa omvärldsfaktorer så som bland annat demografiskt tryck, medicinsk utveckling och utvecklingsarbetet.

2015-2021 Genom att använda sig av virtuella modellerings- och simuleringsverktyg kan industrin utveckla sina produkter och processer snabbare och mer kostnadseffektivt. I detta projekt utvecklas en informationsstruktur för hantering av virtuella modeller inom produktlivscykelhantering.

Forskningen fokuserar på hur bättre kvarvarande livslängdsuppskattningar för on-condition komponenter (OC-komponenter) i flygmotorer ska kunna uppnås.

2021-2024 Prediktivt underhåll är ett av de viktigaste områdena för många globala tillverkningsföretag. Artificiell intelligens, analys av ”big data” och industriell internet-of-things (IoT) har redan visat stor potential inom underhållsområdet. Eftersom fler företag använder sig av denna teknik har dock flera viktiga utmaningar uppstått som hindrar framstegen mot fullständig digitalisering av underhåll.

2014-2017 Målet med detta projekt är att forska om och utveckla ett simuleringsbaserat interaktivt beslutsstödsystem för att stödja beslutsfattande i tillverkningssystemens livscykel, i syfte att bidra till ökad lönsamhet, hållbarhet och konkurrenskraft inom svensk tillverkningsindustri.

2020-2022 Den långsiktiga visionen med denna forskning är att stödja kunskapsdrivet beslutsfattande inom den svenska industrin, vilket i sin tur kan bidra till att öka produktivitet och konkurrenskraft.

2017-2020 Framtidens tillverkning kommer att karakteriseras av att människor och automationsutrustning komplimenterar varandra, speciellt för tillverkning av produkter som är mycket konfigurerbara.

2015-2017 MMC² är ett samverkansprojekt mellan tre institutioner på Högskolan i Skövde, Institutionen för Ingenjörsvetenskap, Institutionen för informationsteknologi och Institutionen för Handel och företagande, samt fyra medelstora tillverkande företag i Västsverige.

2018-2021 Visionen för MOSIM-projektet är ett öppet modulärt ramverk för effektiv och interaktiv simulering och analys av realistiska mänskliga rörelser för professionella tillämpningar. Verksamheter inom digital modellering, i synnerhet simulering av mänskliga rörelser, har under de senaste årtiondena trätt fram inom olika sektorer av den europeiska ekonomin, alltifrån bilar och lastbilar, hälso- och sjukvård, byggindustri och simulering av gångtrafikanter till spelindustrin.

2018-2020 Den svenska fordonsindustrin står inför en stor utmaning när antalet hybridfordon och elektriskt framdrivna fordon ökar. Målet med det här projektet är att skapa förutsättningar för att industrin snabbt ska kunna ställa om processer, system och kompetens kopplat till elektroniska drivlinor.

2008-2011 Det övergripande målet med detta föreslagna tvärvetenskapliga projekt (industriell teknik och datavetenskap) är att stärka effektiviteten hos den svenska industri- och tjänstesektorn genom att introducera den senaste simuleringsbaserade tekniken, nämligen simuleringsbaserad intelligent optimering, i deras systemdesign och dagliga verksamhet.

2018-2020 Logistikoptimering har nyligen börjat möta ett allt större intresse från forskare och industriföretag. Detta beror på att nuvarande strategier för produktions- och distributionslogistik inte är särskilt effektiva.

2019-2022 REWIND-projektet kombinerar principerna för lean production och ekoeffektivitet i tre industridrivna piloter vid Stena Recycling, Volvo AB och IKEA GreenTech. Målsättningen är att bibehålla det värde som finns i produkter och material genom att cirkulera/sluta flödet (återanvända, återproducera och återvinna etc).

2016-2018 Skaraborgs innovativa miljöer är ett treårigt strukturfondsprojekt med två tematiska miljöer, Virtual Engineering och Virtual Health.

2018-2019 Målet med den här simuleringsstudien är att visa vilka effekter olika nära vårdinsatser kan få på antalet akutmottagningsbesök och slutenvårdsdagar för gruppen mest sjuka äldre respektive sköra äldre.

2015-2020 Syftet med detta projekt är att undersöka hur simulering och optimering, samt simuleringsbaserad optimering som kombinerar dessa två, kan vara till stöd vid konstruktion och förbättring av fabrikslayouter.

2011-2014 Med dagens globala och snabbt föränderliga marknader står företag inför utmaningen att ständigt förbättra sin logistik för att förbli konkurrenskraftiga. Projektet Smart optimering av logistik (SOL) syftar till att stödja denna aktivitet genom att tillhandahålla ett sätt att utföra smarta optimeringar som resulterar i minskade kostnader, förbättrad effektivitet och ökade kapaciteter.

2015-2020 Smarta AR-glasögon kan hjälpa operatörer att hantera snabbare och bredare produktcykler. Projektet syftar till att möjliggöra en större och snabbare integration av detta hjälpmedel.

2016-2018 Ett av de viktigaste målen för varje värdekedja är att liera mål, både på strategiska, taktiska och operativa, samt på olika nivåer, det vill säga produktion-, fabrik- eller leveranskedjan, så att de är lierade mot ett gemensamt mål – att till exempel öka effektivitet och lönsamhet i den totala tillverkningskedjan.

2022-2024 För att bryta beroendet av fossila bränslen och minska utsläppen av växthusgaser behöver samhället ställa om till förnybar el. För att omställningen ska vara möjlig behöver befintliga energisystem utvecklas. Det är ett komplext arbete som involverar flertal aktörer. I projektet SUES-DIGIT kommer arbetssätt från industrin att användas för att skapa beslutsunderlag som gör det möjligt att utveckla energisystem tillsammans med annan utveckling i samhället som till exempel bostäder, laddinfrastruktur, sol-/vindparker samt industri.

2015-2019 Forskningsprojektet syftar till att utveckla en lösning för en ny arbetsmiljö där samarbetet mellan människa arbetare och robotar kan ske och innebära betydande fördelar för robot ovilliga industrier.

2020-2023 Det finns oändliga möjligheter till förbättringar med hjälp av de data som samlas in under en produktionsdag. Man behöver bara hitta ett sätt att tolka dessa data. TOPAZ syftar till att undersöka hur en kombination av datautvinning, maskininlärning och optimering kan underlätta för tillverkningsföretagen. Detta kommer att ske genom omvandling av heterogena data hämtade från olika källor, potentiellt från olika delar av värdekedjan, till preskriptiva åtgärder som stödjer långsiktiga mål i form av lönsamhet, hållbarhet och stabilitet.

2017-2020 Industri 4.0 innebär en teknisk utveckling i riktning mot cyber-fysiska system och ett paradigmskifte från centraliserad till decentraliserad tillverkning. Detta paradigmskifte kommer att förändra tillverkningen. Vårt mål med TWIN-projektet är att utveckla en helhetslösning för att integrera en simulerad tvilling till ett automationssystem som omfattar systemets hela livscykel. En sådan lösning kommer att hjälpa företagen bibehålla sin konkurrenskraft på en global och snabbt föränderlig marknad och att möta de utmaningar som följer med den fjärde industriella revolutionen, till exempel individualiserat massproduktion och korta produktlivscykler.

2020-2022 Skiftet från förbränningsmotorer till elektrifiering innebär den största omställningen i fordonsindustrins historia. Projektet WISE syftar till att stötta fordonsindustrin i omställningen från tillverkning av förbränningsmotorer till elektrifiering genom att utveckla kompetensutvecklingsinsatser under åren 2020-2022.

2018-2020 Det har länge funnits visuella system för kvalitetsinspektioner inom tillverkningsprocesser, men de används för närvarande endast i begränsad omfattning och huvudsakligen inom manuella monteringslinjer. Inom VISION-projektet försöker vi utveckla ett högpresterande visuellt system, till låg kostnad, för automatisk kvalitetsgranskning inom monteringslinjer, baserat på billig hårdvara och på de senaste maskininlärningsalgoritmerna för bildbehandling i realtid.

2014-2017 YOU2 är ett treårigt forskningsprojekt som fokuserar på utveckling av IT-verktyg för framtidens industriella operatörer. De centrala forskningsfrågor i projektet berör insamling av stora datamängder, intelligent bearbetning av data, automatiska optimeringar i real-tid och utformning av användargränssnitt för nya teknologier så som smarta glasögon.