Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

PreCoM

Financiado

Cerrado

Predictive Cognitive Maintenance Decision Support System

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... ver más

28/02/2021

LINNEUNIVERSITETET

7M€

Presupuesto del proyecto: 7M€

Líder del proyecto

LINNEUNIVERSITETET No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Ver 17 Participantes

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2021-02-28

FOF-09-2017: Novel design and predictive mainten... Specific Challenge:The elevated complexity and costs of production assets combined with the requirem...

I+D

Cerrada hace 8 años

0% 86% 100%

Características del participante

Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

17 Participantes

LINNEUNIVERSITETET

825.66K€ | Lider

LANTIER

217.55K€ | Participante

TECHNISCHE UNIVERSITAET CHEM...

587.86K€ | Participante

VERTECH

110.60K€ | Participante

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Duración del proyecto: 42 meses Fecha Inicio: 2017-08-02
Fecha Fin: 2021-02-28

Líder del proyecto

LINNEUNIVERSITETET No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 7M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto 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.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores