AI:s påverkan på förebyggande underhåll : En analys av resultat, begränsningar och risker i industriproduktion

Detta är en Kandidat-uppsats från KTH/Produktionsutveckling

Författare: Andreas Baggström Gulde; Erik Simensen; [2023]

Nyckelord: ;

Sammanfattning: Med större krav på resurseffektiv produktion för att uppnå klimatmålen, modernare industri och en kontinuerlig strävan efter lönsamhet kan AI användas för att effektivisera underhåll. Denna rapport ämnar ge läsarenen ökad förståelse för artificiell intelligens inom förebyggande underhåll, dess utmaningar och potentiella tillämpningar. Som metod sammanställs ett flertal studier och även två intervjuer, vars sammanlagda tanke är att ge en detaljerad bild av underhållsmetoder och områden för tillämpningar, och även få en inblick i hur väletablerade företag handskas med problem relaterat till underhåll. I rapporten belyses även ekonomiska aspekter, praktiska skillnader, begränsningar och systemens tillförlitlighet. Att använda AI i underhåll ställer stora krav på företaget, inte minst på datalagring och datans kvalitet. Relationen mellan AI och underhåll har precis börjat och förväntas ha en stor tillmognad och positiv utveckling framöver. I rapporten framgår att AIs integrering i underhåll potentiellt bidrar till en större tillgänglig tid, effektivare fel identifiering och en säkrare arbetsmiljö.

  HÄR KAN DU HÄMTA UPPSATSEN I FULLTEXT. (följ länken till nästa sida)