Opis projektu
Przełomowe rozwiązanie do optymalizacji systemów produkcyjnych
Aby zapewnić ciągłą konkurencyjność produkcji, kierownicy muszą projektować i obsługiwać złożone systemy produkcyjne, które powinny być kompatybilne z innymi rozwiązaniami, umożliwiać rekonfigurację w razie potrzeb oraz w maksymalnym stopniu wykorzystywać nowe technologie. Jednak sektor produkcyjny nie wykorzystuje jeszcze pełnego potencjału narzędzi cyfrowych. Jest to możliwe, ale wymaga wielu badań. W tym kontekście zespół finansowanego przez UE projektu ASSISTANT zamierza opracować przełomowe rozwiązania dla przemysłu wytwórczego oparte na sztucznej inteligencji jako technologii, której zadaniem będzie optymalizacja systemów produkcyjnych. Kluczowym zadaniem w ramach projektu jest stworzenie inteligentnych cyfrowych bliźniaków. Naukowcy skupieni wokół projektu ASSISTANT połączą wiedzę z zakresu uczenia maszynowego, optymalizacji, symulacji i modeli domen, aby opracować narzędzia i rozwiązania oferujące kierownikom produkcji informacje niezbędne do projektowania linii produkcyjnych, planowania produkcji oraz rekonfigurowania ustawień maszyn. Przyczyni się to do lepszego podejmowania trafnych decyzji gwarantujących jakość i bezpieczeństwo produktów.
Cel
With a multidisciplinary consortium combining key skills in AI, manufacturing, edge computing and robotics, ASSISTANT aims to create intelligent digital twins through the joint use of machine learning (ML), optimization, simulation and domain models. The resulting tools permit to design and operate complex collaborative and reconfigurable production systems based on data collected from various sources such as IoT devices. ASSISTANT targets a significant increase in flexibility and reactivity, products/processes quality, and in robustness of manufacturing systems, by integrating human and machine intelligence in a sustainable learning relationship.
ASSISTANT provides decision makers with generative design based software for all manufacturing decisions. Rather than writing ad hoc code for each manufacturing sector, it provides a set of intelligent digital twins that self adapt to the manufacturing environment. It promote a methodology that enhances generative design with learning aspects of AI thanks to the data available in manufacturing. ASSISTANT aims to synthesize predictive/prescriptive models adjusted to the shop floor for each decision levels. Digital twins will be used as oracles by ML in order to converge towards models in phase with reality. This means that rather than writing specific code to cover a restricted set of goals/scenarios/hypotheses for a manufacturing system and a decision level, ASSISTANT will aim at learning models that can be used by standard optimization libraries. In this context, ML is used to predict parameter values, characterize parameters uncertainty, and acquire physical constraints. ASSISTANT will experiment this methodology on a significant panel of use cases selected for their relevance in the current context of the digital transformation of production in major manufacturing sectors undergoing rapid transformations like the energy, the industrial equipment, and automotive sectors which already make extensive use of digital twins.
Dziedzina nauki
- natural sciencescomputer and information sciencesinternetinternet of things
- natural sciencescomputer and information sciencessoftware
- engineering and technologymechanical engineeringvehicle engineeringautomotive engineering
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringrobotics
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-ICT-2020-1
System finansowania
RIA - Research and Innovation actionKoordynator
91120 Palaiseau
Francja