Cel
Cheaper and more powerful sensors, together with big data analytics, offer an unprecedented opportunity to track machine-tool performance and health condition. However, manufacturers only spend 15% of their total maintenance costs on predictive (vs reactive or preventative) maintenance.
The project will deploy and test a predictive cognitive maintenance decision-support system able to identify and localize damage, assess damage severity, predict damage evolution, assess remaining asset life, reduce the probability of false alarms, provide more accurate failure detection, issue notices to conduct preventive maintenance actions and ultimately increase in-service efficiency of machines by at least 10%.
The platform includes 4 modules: 1) a data acquisition module leveraging external sensors as well as sensors directly embedded in the machine tool components, 2) an artificial intelligence module combining physical models, statistical models and machine-learning algorithms able to track individual health condition and supporting a large range of assets and dynamic operating conditions, 3) a secure integration module connecting the platform to production planning and maintenance systems via a private cloud and providing additional safety, self-healing and self-learning capabilities and 4) a human interface module including production dashboards and augmented reality interfaces for facilitating maintenance tasks.
The consortium includes 3 end-user factories, 3 machine-tool suppliers, 1 leading component supplier, 4 innovative SMEs, 3 research organizations and 3 academic institutions. Together, we will validate the platform in a broad spectrum of real-life industrial scenarios (low volume, high volume and continuous manufacturing). We will also demonstrate the direct impact of the platform on maintainability, availability, work safety and costs in order to document the results in detailed business cases for widespread industry dissemination and exploitation.
Dziedzina nauki
- natural sciencescomputer and information sciencesdata sciencebig data
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringsensors
- social scienceseconomics and businesseconomicsproduction economics
- natural sciencesmathematicsapplied mathematicsstatistics and probability
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-FOF-2017
System finansowania
IA - Innovation actionKoordynator
35195 Vaxjo
Szwecja
Zobacz na mapie
Uczestnicy (16)
351 96 VAXJO
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
111 42 ATHENS ATTIKIS
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
20018 Donostia
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
06000 Nice
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
97816 Lohr
Zobacz na mapie
20570 Bergara
Zobacz na mapie
31830 LAKUNTZA
Zobacz na mapie
35745 HERBON
Zobacz na mapie
080 01 Haniska
Zobacz na mapie
43450 LA RIBA TARRAGONA
Zobacz na mapie
20400 TOLOSA
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
20870 Elgoibar
Zobacz na mapie
75015 PARIS 15
Zobacz na mapie
15782 Santiago De Compostela
Zobacz na mapie
80333 Muenchen
Zobacz na mapie
09111 Chemnitz
Zobacz na mapie