Text

Transformativ Management

Värdedriven innovation och framsyn

Artificiell intelligens och intelligenta system

Automatiserade mjukvaruspråkutveckling och mjukvaruteknik

Beteendemedicin, hälsa och levnadsvanor

ChiP – Barns rätt till hälsa, skydd, stöd och delaktighet

Cyber-fysisk systemanalys

Digitala och cirkulära industriella tjänster (DigiCircle)

EBITech

Heterogena system

Industriella AI-system

Industriell programvaruteknik

Innovationsledning

Komplexa inbyggda system i realtid

Litteraturvetenskapliga seminariet

Modellbaserad konstruktion av inbäddade system

Forskargruppen MIND (Mälardalen INteraction and Didactics)

Nationalekonomi

Neuroteknik

NOMP-gruppen – nya organisations- och managementpraktiker

Produkt- och produktionsutveckling

Programmeringsspråk

Programvarutestlaboratorium

Robotik

Samhällsvetenskapernas didaktik och pedagogiska praktiker

Sociologi

Space and Place in Early Childhood Education and School (SPiECES)

Språk- och litteraturvetenskap samt ämnenas didaktik

Säkerhetskritisk teknik

Pålitlig generativ AI för avancerad industriell digitalisering (Trust_Gen_Z)

Det primära fokusområdet är gAI-baserade prognoser. I komplexa operativa scenarier kommer det övervaka, upptäcka och prognostisera industriell utrustning och maskinförhållanden med hänsyn till olika datamodaliteter, t.ex. bild, text och tabelldata som visas i användningsfallen.

Projektansvarig vid MDU

No partial template found

Beskrivning

Projektet använder generativ AI (gAI) för att främja föreskrivande analys inom industriell digitalisering. Genom att utveckla ett multimodalt ramverk syftar vi till att förbättra beslutsprocesser genom föreskrivande analys med handlingsbara insikter och förklaringar för deras avsedda resultat. Detta kommer att underlätta inspektion, övervakning, optimering och underhåll av industriell utrustning och maskiner. Emellertid möter implementering av ett multimodalt ramverk inom industrin en utmaning: frånvaron av pålitliga AI-metoder som genererar förutsägelser samtidigt som de erbjuder föreskrivande beslut. Användningen av gAI ter sig lovande för denna uppgift, finns det betydande luckor i nuvarande förklarabara AI (XAI) metoder, vilket begränsar deras tillämpbarhet på föreskrivande analys.

Projektmål

Det primära målet är att utveckla ett prototypiskt ramverk för att utveckla "föreskrivande analytics” i industriell digitalisering genom gAI.

Projektaktiviteter

Trust_Gen_Z kommer att ta itu med dessa utmaningar och stödja föreskrivande analys för att främja digitalisering inom fordons- och telekomindustrin. Projektaktiviteterna är uppdelade i fem arbetspaket:

  1. Projektledning och spridning av resultat
  2. Slutledning till Förklaring
  3. AI för Intelligens
  4. Analys för Hållbar Digital Transformation
  5. Test, Validering och Demonstration