Fully automated traceability of QC results for ETO production

Mange norske små og mellomstore bedrifter (SMB-er) har en stor andel engineer-to-order (ETO) produksjon. For slike skreddersydde produkter utgjør ofte kvalitetssikring (QA) en stor andel av produksjonskostnadene. QA kan forsinke leveranser og medføre store direkte kostnader. Manuell QA er tidkrevende og krever høy kompetanse. SMB-er er gjerne sårbare for tap av nøkkelpersonell med påkrevd QA kompetanse. I senere tid har norske underleverandører til maritim og offshore industri opplevd stadig større konkurranse og høyere krav til kortere leveringstid blant sine kunder. De er nødt til å levere kundetilpassede produkter på betydelig kortere tid enn i dag for å kunne konkurrere i et globalt marked. I storskala serieproduksjon brukes maskinlæring for QA rutinemessig. Med løpende sensordata fra produksjonslinjen og moderne maskinlæringsteknologi er det store besparelser ved at systemet automatisk kan avgjøre om eventuelle avvik vil påvirke kvaliteten. For norske
SMB-er, som er spesialisert på små serier og ETO produksjon, er en slik automatisk QA ikke tilgjengelig: Seriene er for små til å rekke å trene opp maskinlæringssystemet før bedriften må videre til neste produkt. Vi skal støtte opp om norsk industri gjennom å gjøre maskinlæringsbasert QA tilgjengelig for små serier av skreddersydde produkter. Prosjektet vil bidra til å skape mer konkurransedyktige norske utstyrsleverandører, til maritim og offshore sektor, men også andre markeder med høye krav til kort leveringstid.

Fakta om prosjektet:

Prosjekt nr:

2732
|

Prosjektansvarlig:

Mikhail Shlopak
|

Tidsperiode:

-

Tittel:

Fully automated traceability of QC results for ETO production

Oppdragsgiver:

Brunvoll AS, Oshaug Metall AS

Samarbeidspartnere:

Christian Michelsen Research AS, Institutt for Energiteknikk