Doktorander
För att hänga med när digitaliseringen ändrar industrins förutsättningar och möjligheter behövs ny kunskap, inspiration och innovation. Vägen dit går genom utveckling av företagens spetskompetenser. Därför arbetar idag 16 doktorander i företagsforskarskolan inom området smart industri. Här kan du läsa en kort beskrivning av några av doktoranderna och deras projekt.
Simon Lidberg
Lärosäte: Högskolan i Skövde
Företag: Volvo Group Trucks Operations
Simon Lidberg är industridoktorand på Volvo Group Trucks Operations. Dagens metoder för att simulera produktionslinjer lämpar sig inte för att koppla samman dem till en hel fabrik, och hindrar användningen av flermålsoptimering. Genom att utveckla metoder för förenklade modeller för simulering går det att optimera produktionen på fabriksnivå, vilket leder till en mer resurssnål produktion, som är positivt ur ett hållbarhetsperspektiv och ökad konkurrenskraft för företag.
Linda Squillaci
Lärosäte: Högskolan väst
Företag: GKN Aerospace
Industridoktoranden Linda Squillaci’s forskning har fokus på pulverbäddsbaserad additiv tillverkning i titan med laser som energikälla. GKN Aerospace vill i framtiden använda tekniken för att tillverka komponenter till flygmotorer. Lindas arbete bidrar med grundläggande kunskap för att tekniken ska kunna utvecklas till en robust och tillförlitlig tillverkningsprocess som uppfyller de höga kvalitetskrav som gäller inom flygindustrin. Hon undersöker bland annat hur olika parametrar för tillverkningsprocessen påverkar mikrostrukturen hos det tillverkade materialet. Och om efterbehandling, i form av värmebehandling under högt tryck, kan förbättra materialets egenskaper ytterligare.
Läs mer om Linda Squillacis forskning
Adam Lundström
Lärosäte: Mittuniversitetet
Företag: SCA Underhåll
Adam Lundström är industridoktorand på SCA underhåll. Han ska undersöka hur man kan använda maskininlärning för prediktivt underhåll inom industrin. I en fabrik mäts många parametrar med sensorer, allt från övervakning av maskiner till processparametrar. Utifrån dessa stora datamängder finns möjligheter att utveckla AI-baserade metoder för att till exempel kunna förutspå haverier i ett kullager och på så sätt förbättra service och underhåll.
Martin Torstensson
Lärosäte: Högskolan i Halmstad
Företag: Research Institutes of Sweden (RISE)
Martin Torstensson är industridoktorand på RISE. Hans forskning handlar om applikationer och utveckling av maskininlärning. Den största utmaningen med dagens metoder för maskininlärning är att processen för ”maskinen” att fatta beslut är komplex och svår att förstå. Målet med Martin Torstenssons doktorandstudier är att göra det enklare att förklara maskinlärningsmetoder. Detta kommer i sin tur att bidra till mer exakt felsökning för metodutvecklarna, ökad förutsägbarhet för fel och svagheter, samt bättre kommunikation med användarna.
Viktor Döhlen
Lärosäte: Mittuniversitetet
Företag: Energidalen i Sollefteå
Viktor Döhlen är industridoktorand på Sollefteåforsens vattenkraftverk där han ska undersöka hur man kan utveckla reglerteknik för framtidens förnyelsebara energi. Förnyelsebar energi ökar behovet av bättre reglerteknik i elnätet. Vattenkraft har potential att kunna kompensera för svängningar i elnätet men är idag långsamt och belastas hårt. Ny teknik för energilagring byggt av superkondensatorer med tillhörande kraftelektronik håller på att utvecklas och Viktor ska studera effekter och konsekvenser för en möjlig implementation vid Sollefteåforsens kraftverk.
Mikael Johansson
Lärosäte: Högskolan väst
Företag: Sandvik Materials Technology
Industridoktoranden Mikael Johansson utvecklar kunskap och metoder för svetsning i högtemperatur-legeringar. Den typen av metaller används ofta i komponenter som utsätts för höga tryck och temperaturer. Han bygger bland annat kunskap om sprickmekanismer i högtemperatur-legeringar med hjälp av varmsprickprovning. Mikaels forskning är applicerbar i Sandvik Materials Technology’s utveckling av nya legeringar. Kunskapen om hur känsligt ett material är för varmsprickning kan vara avgörande redan i ett tidigt designstadie för att en ny legering ska få rätt egenskaper vid svetsning. Detta kommer i sin tur även ge företagets kunder bättre information och därmed bättre rekommendationer kring hur svetsning av företagets högtemperatur-legeringar sker på lämpligast sätt.
Läs mer om Mikael Johanssons forskning
Andreas Lind
Lärosäte: Högskolan i Skövde
Företag: Scania
Andreas Lind är industridoktorand på Scania. Målet med hans forskning är att beskriva metodik kring beredning av fabrikslayouter samt omsätta dessa till demonstratorer som kan ta fram optimerade layout-förslag med hänsyn till multipla parametrar samtidigt. Dessa demonstratorer kan sedan presentera förslag på virtuella fabrikslayouter med hänsyn taget till olika intressenters krav samtidigt. Tanken är att detta i sin tur ska kunna användas som beslutsunderlag, reducera risker för fabriksprojekt samt minska behovet av kostsamma anpassningar efter att fabriken satts i drift.
Tobias Pettersson
Lärosäte: Högskolan i Skövde
Företag: ITAB Shop Products AB
Tobias har flera års erfarenhet bildbehandlings och maskininlärning inom dagligvaruhandeln på ITAB Shop Products AB. En central utmaning för AI-tillämpningar inom dagligvaruhandeln är att implementera ett robust produktigenkänningssystem. Utmaningar som finns innefattar igenkänning av hundratusentals produkter, hantering av obalanserad data, identifikation av nya varor samt göra det möjligt att applicera maskininlärningsmodeller till nya miljöer. Tobias ska som industridoktorand initialt arbeta med att förbättra algoritmer och metoder för produktigenkänning. Ambitionen är att kombination av alla bidrag ska leda fram till en demonstrator av en ny tillämpning eller en stor förbättring av existerande system.
Felix Rosberg
Lärosäte: Högskolan i Halmstad
Företag: Berge Consulting
Industridoktoranden Felix Rosberg forskar om applicerad AI för manipulering av data. Tillsammans med Berge Consulting undersöker han hur man kan använda data i bild och video utan att kränka människors integritet. Felix Rosberg har forskat kring ansikten, där man nyttjar så kallade generativa motståndarnätverk (GAN) för att ändra identiteten, men behåller ansiktsuttryck, blick och posering. Denna metod påskyndar datainsamling och datadelning – och innovation – eftersom man kan kringgå GDPR. Mycket information sker i dag med hjälp av AI eller intelligenta system, något som kräver mycket data som representerar verkligheten. Anonymiserade data kan, med GAN-metoden, alltså snabba på innovation och utveckling.
Yu Liu
Lärosäte: Högskolan i Skövde
Företag: Volvo AB
Yu Liu har i sin forskning studerat en standardprocess för att utvärdera miljöpåverkan av produktionsprocesser. Resultaten från projektet ska kunna användas för att hjälpa industrin förbättra sin miljöprestanda i företagets produktionsverksamhet samt uppfylla framtida lagstiftningar. Syftet med hennes forskningsprojekt är att underlätta användningen av livscykelanalys i produktionsflödesimulering. Det syftar till att utveckla en standardprocess, LCA-metodik, som sedermera ska kunna användas för att utvärdera miljöpåverkan av produktionsprocesser i detalj.
Live Mölmen
Lärosäte: Jönköping University
Företag: RISE
Live Mölmen, industridoktorand på RISE, forskar på att förbättra elektrifieringen av fordon genom livslängdsprovning av material för PEM (Proton Exchange Membrane/polymerelektrolytmembran) bränsleceller. Elektrifieringen av transportsektorn är viktig för att minska den globala uppvärmningen och för att nå alla segment inom transportsektorn behövs fler alternativ än batterier och bränsleceller är ett sådant alternativ. Genom Live Mölmens forskning bygger RISE upp kunskap och erfarenhet inom båda komponent- och celltestning av bränsleceller, vilket kan användas för att stödja svensk industri i omställningen till produktion av komponenter för PEM bränsleceller.
Nils-Erik Ohlson
Lärosäte: Jönköping Univeristy
Företag: Siemens Energy
Nils-Erik Ohlson är industridoktorand på Siemens Energy i Finspång, där han under många år arbetat med Sales and Operations Planning (S&OP). S&OP är en företagsövergripande process som syftar till att balansera tillgång och efterfrågan och regelbundet skapa, revidera och besluta om en gemensam plan som alla berörda funktioner kan arbeta efter. Nils-Erik Ohlsons forskning anknyter till S&OP där uppdraget är att se om ”machine learning” kan användas och förbättra delar av S&OP-processen och dess planer specifikt i en engineer-to-order-miljö. Engineer-to-order innebär att det alltid krävs någon form av engineering i det som säljs och det rör sig då ofta om komplexa produkter med långa leverans- och ledtider samt låga volymer och därmed lite mindre datamängder.
Läs mer om Nils-Erik Ohlsons forskning
Veeresh Elango
Lärosäte: Högskolan i Skövde
Företag: Scania
Veeresh Elango, industridoktorand på Scania arbetar bland annat med att att studera komplexiteten i olika datafenomen och att utveckla avancerade AI-chattbotar som ska interagera med användare och guida dem genom komplexa riktlinjer. Forskningen handlar om arbetsmiljöproblem relaterade till muskler och ben. Han använder avancerade metoder som att lära datorer att lära sig att fatta beslut på egen hand för att planera arbetsutrymmen på ett sätt som minskar risken för hälsoproblem.
Läs mer om Veeresh Elangos forskning
Faeze Zakaryapour Sayyad
Lärosäte: Mittuniversitetet
Företag: Media Research AB
Faeze Zakaryapour Sayyad är industridoktorand på Mittuniversitetet och företaget Media Research. Målet med hennes forskarstudier är att utveckla ett AI-system som automatiserar arbetsuppgifter och processer hos Media Research. Media Research vill utveckla en AI-lösning som kan bearbeta större mängder annonsdata vilket kan öppna helt nya marknader för företaget. Faeze kommer att fokusera på att använda datorseendeteknologier för att designa och skapa AI-system. Det primära målet är att förbättra prestandan och effektiviteten hos objektdetekteringsalgoritmer för annonsdetektering genom att utveckla djupinlärningsarkitekturer och utnyttja optimeringsalgoritmer.