Projektdatabase
Projektdatabasen indeholder alle de projekter, som ELFORSK har støttet med midler. Der er en kort introduktion af projekternes formål og kontakt information for de igangværende projekter. For de projekter, som er færdige, er der en slutrapport med resultater, som du kan down loade.
Projektet ”Machine Learning til Energi- og Procesoptimering (MLEEP)” vil integrere machine learnings algoritmer direkte i 5 danske industrivirksomheder – alle med forskellige problemstillinger og udfordringer – og forsøge at belyse potentialer, muligheder og barrierer ved anvendelsen af kunstig intelligens til energi- og procesoptimeringer af produktionsanlæg.
Ved at justere og kontrollere flow- og tryk af køle-smøremidler i den spåntagende proces, primært ved fræseprocesser, sigter dette projekt mod at kunne reducere industriens energiforbrug. Det tilstræbes, at emnets geometri og overfladekvalitet, samt værktøjets levetid forbliver upåvirket af støtteprocessernes ændrede flow og tryk.
Gennem et succesfuldt Elforsk-projekt har vi påvist reduktion af energiforbrug med op mod 99% ved brug af VSR til materialenormalisering i stedet for varmebehandling (TSR). Som påpeget af de involverede industrivirksomheder skal projektet her automatisere, dokumentere teknologien og tilpasse den til industriens typiske emnestørrelser.
Gennem optimering af processer i spåntagende bearbejdning, primært dreje- og fræseprocesser, sigter dette projekt mod at reducere industriens energiforbrug. Via modal analyse optimeres bearbejdningsparametre for stabil og vibrationsfri bearbejdning. Antagelsen er, at en optimeret proces har lavere energiforbrug, hvilket søges bevist gennem komparativ analyse.
Projektet har til formål at udvikle algoritmer, som løbende og automatisk analyserer timedata for elforbrug i SMV'er og samkører disse data med data fra øvrige dataregistre (BBR, CVR, DMI m.m.).
