Hur kan man förutsäga en anläggningsmaskins prestanda, energiförbrukning, belastningar och fel – utan att behöva bygga och testa en mängd dyra prototyper?
En ny avhandling inom industriforskarskolan Data Intensive Applications har svaret.
Det handlar om en digital tvilling. En levande, virtuell kopia av en riktig maskin, som hela tiden uppdateras med data från sensorer i maskinen och kan användas för att analysera, testa och förutse vad som händer i verkligheten. I sin forskning har Manoranjan Kumar utvecklat en sådan för de hjullastare och ramstyrda dumprar som Volvo Construction Equipment tillverkar i Braås utanför Växjö.
– Hur bra en maskin fungerar beror inte bara på hur de är byggda, utan också på vem som kör dem, hur de körs och i vilken miljö de används. Med den digitala tvilling vi utvecklat kan vi göra maskinerna smartare, mer förutseende och mer anpassade till verkligheten.
Den lösning Manoranjan tagit fram kan användas genom hela maskinens liv.
– När man utvecklar nya produkter kan färre fysiska prototyper behövas, samtidigt som konstruktionskraven baseras på verklig användning ute hos kunder. Då maskinerna används blir det lättare att förutse fel, planera underhåll i tid och ha rätt reservdelar på plats. Och förståelsen för hur de faktiskt används ger bättre möjligheter att ge rätt råd till varje kund.
För framtiden lägger Manoranjans arbete grunden för ännu smartare maskiner, mer avancerad AI och på sikt mer självgående funktioner.
Manoranjan Kumar är den förste som disputerat inom industriforskarskolan Data Intensive Applications (DIA). DIA finansieras av KK-stiftelsen, Linnéuniversitetet och de deltagande företagen och omfattar 14 doktorander. Fokus ligger på tillämpad forskning inom big data och artificiell intelligens.
Läs en längre artikel om Manoranjans forskning här.
