Introducing a procedural knowledge model for enhancing industrial process adaptiveness
Tid: Fr 2021-09-17 kl 10.00
Plats: https://kth-se.zoom.us/j/63998476971, Stockholm (English)
Ämnesområde: Industriell produktion
Respondent: Dr Eng. Andrea de Giorgio , Industriell produktion
Opponent: Gino Dini, Università di Pisa, Dipartimento di Ingegneria Civile e Industriale (DICI)
Handledare: Professor Lihui Wang, Hållbara produktionssystem; Professor Mauro Onori, Industriell produktion
Abstract
Industriella processer baseras huvudsakligen på den procedurella kunskapen som fortlöpande måste tas fram och anpassas av erfarna operatörer och läras in av nybörjare. Inom ramen för Industri 4.0 spelar maskiner redan en nyckelroll i kunskapsöverföring; dock behöver nya modeller och metoder utvecklas och användas, som baseras på de senaste årens framsteg inom artificiell intelligens. Framtiden för samarbete mellan människa och maskin är inte begränsad till fysiska applikationer, utan den har potential att utnyttja såväl styrkan i mänsklig kompetens och erfarenhet som den beräkningskraft som de omgivande maskinerna tillhandahåller, för att åstadkomma verkligt anpassningsbara industriella processer. Det vinnande receptet är att hitta en balans mellan att låta människor utnyttja sina egna erfarenheter och att låta maskiner tillhandahålla de saknade färdigheterna för att kunna följa produktionsstandarder. I detta arbete introduceras en procedurell kunskapsmodell som kan användas för utformning av industriella och vetenskapliga, anpassningsbara processer och banar väg för att omvandla samarbete mellan människor och maskiner till effektiva lösningar för att göra industriella och vetenskapliga processer följsamma i en ständigt föränderlig värld.