Niclas Björsell

Just nu är Niclas Björsell engagerad i följande forskningsprojekt:

AI- PRUN

Mer information om AI-PRUN

Prediktiv kvalitet inom kallvalsning

Med data från produktionssystem, kompletterande inline-kvalitetsmätningar och realtidsverktyg, ge beslutsstöd för tillverkning av mellanprodukter för att främja produktkvalitet och effektivitet genom hela värdekedjan.

Inom ramen för forskarskolan m3c bedriver vi ett projekt med en industridoktorand från Alleima. Research – m3c industrial research school Länk till annan webbplats.

AI-CoMoVA

Målet med forskningsprojektet AI-CoMoVA - AI-baserad tillståndsövervakning av ventiler för AOD-konverter var att med hjälp av maskinlärning och data från styrsystem upptäcka onormala beteenden hos ventiler i AOD-konvertrar i realtid.

Mer information om AI-CoMoVA

Prediktivt underhåll ur ett systemperspektiv

Effektivt underhåll är avgörande för de flesta operationer; underhållsaktiviteter förlänger utrustningens livslängd, förbättrar tillförlitligheten och förhindrar försämring. Därigenom definieras den som en av de innersta cirklarna i en cirkulär ekonomi. Industriellt underhåll är i grunden reaktivt, korrigerande och förebyggande, med hänsyn inte till den enorma mängden data som genereras på affärsgolvet eller den tillgängliga nya digitala tekniken som har dykt upp de senaste åren. För att vara proaktiv och förutsägbar kan underhållsstrategier dra nytta av framväxande digitaliserade tekniker som avancerad dataanalys, maskininlärning, big data och cloud computing för att samla in, lagra och analysera tillgänglig data.

Projektet fokuserar på digitaliserat underhåll i processindustrin i allmänhet och stålindustrin i synnerhet. Dessa industrier skiljer sig i viss utsträckning från tillverkningsindustrin, eftersom det är vanligt att ha produktionsenheter som gradvis och kontinuerligt bearbetar råvaror genom olika sammankopplade delsystem till slutprodukterna. Optimering av underhåll för ett enskilt delsystem betyder inte nödvändigtvis det optimala för en kontinuerlig process. I processindustrin leder ett stopp i ett delsystem ofta till att hela processkedjan stoppas. Projektet lägger till ett nytt tänkande med ett systemperspektiv som är extra viktigt i processindustrin.

Även om analyser av data är viktiga kommer de inte att vara användbara om inte analyser kan återföras till operatörer och beslutsfattare för att fatta rätt beslut om åtgärder. Visualiseringar i 2D och 3D har tidigare föreslagits som kraftfulla verktyg för intelligent underhåll. Systemets perspektiv innebär dock en ökad komplexitet, inte minst för dem som måste fatta beslut baserat på genererade data. På grund av komplexiteten i de data som samlas in från processen och på grund av de sammanflätade karaktären hos de involverade delsystemen är det avgörande att data visualiseras på ett effektivt sätt som möjliggör förståelse för operatörer och underhållspersonal som gör det möjligt för dem att diagnostisera status av systemet och att fatta välinformerade beslut.

Detta projekt involverar tre ledande stålföretag OVAKO, Sandvik SMT och SSAB tillsammans med ABB och Högskolan i Gävle. Genom att gemensamt utveckla och utvärdera metoder för förutsägbart underhåll och visuellt beslutsstöd samt implementera det på industriella kontroll- och övervakningssystem skapas förutsättningar för prediktivt underhåll av samarbetsmaskiner.

IDUN – Intelligent digitaliserat underhåll

Industrins digitalisering skapar nya möjligheter för SME inom flera olika områden. Detta projekt avser att fokusera på möjligheterna till ett effektivare underhåll i befintlig produktion, nya tjänster för underhåll och underhållsplanering, mervärde för produkter samt att skapa en attraktiv arbetsplats för en breddad personalgrupp. Det övergripande målet är att framför allt små och medelstora företag inom regionen skall öka konkurrenskraft och sysselsättning. På sikt leder det till positiva effekter på humankapital, innovationsförmåga, ekonomisk lönsamhet, cirkulär ekonomi som regional attraktivitet. Projektet inleds med en inventering i syfte att identifiera vart företaget befinner sig i digitaliseringsprocessen idag och vart man vill vara i framtiden Därefter genomförs fyra arbetspaket: (i) En aktivitet baserad på deltagardriven kompetensutveckling, (ii) att med hjälp av maskininlärning ta fram digitala tvillingar som kan användas för ett prediktivt underhåll. (iii) Prediktivt underhåll, där vi skattar återstående livslängd och därmed underhållsbehov. (iv) Det sista arbetspaketet består i att kommunicera resultat till en operatör och/eller underhållsplanerare. Inom projektet kommer ett flertal fallstudier att genomföras hos medverkande SME företag.

Instrument for High-Speed Electron Tunneling Measurements

Den genetiska koden finns lagrad i varje cell i form av långa DNA-molekyler. DNA-molekylen är uppbyggd av fyra nukleotider vars ordning bestämmer organismens utveckling och funktioner. Med hjälp av DNA-sekvenseringsmetoder kan man kartlägga organismens arvsmassa samt upptäcka avvikelser som t ex specifika sjukdomar. Dagens sekvenseringsmetoder är mycket kraftfulla och används rutinmässigt för kartläggning och undersökning av genomet. Dock är dessa metoder förhållandevis långsamma och kräver omfattande och tidsödande förbehandling av DNA-provet som skall analyseras.

I den nu pågående utvecklingen av den nästa generationens DNA-sekvenseringsplattformar är målet att DNA-sekvensen kan bestämmas genom att DNA-strängen fås att passera genom ett ytterst litet hål i storleksordningen ett par nanometer samtidigt som man elektriskt detekterar de olika nukleotider som passerar hålet. Detta medför att sekvenseringen kan göras snabbare samt utan komplicerade DNA-prepareringssteg. Vidare kan dessa sekvenseringsmaskiner göras väsentligt mindre vilket möjliggör billigare och mer patientnära undersökningar. En särskilt intressant detekteringsteknik är att man låter DNA-strängen passera mellan två stycken elektriskt förspända elektroder med ett avstånd på några enstaka nanometer samtidigt som man mäter den så kallade tunnelströmmens variationer. I detta projekt kommer vi att utveckla ett avancerat instrument för biomolekylavkänning genom användning av elektrontunnelsensorer och höghastighetsavläsningselektronik, som inte existerar idag.

Industriautomation och mm-vågor

Projektet omfattade fyra arbetspaket, varav Dr. Björsell är ansvarig för (i) Radiokommunikation i industriella miljöer samt arbetar aktivt i (ii) Processautomation och trådlös kommunikation. De övriga är (iii) Mätteknik för komponenter och (iv) Industriell mätteknik.
Inom Radiokommunikation i industriella miljöer genomförs mätningar i 24 GHz området i industriella miljöer i syfte att skapa kanalmodeller, mäta inverkan av störningar samt studera dopplereffekter från rörliga föremål.
Processautomation och trådlös kommunikation syftar till kombinera trådlös kommunikation och reglerteknik. Dessutom används modelleringstekniker för att skapa digitala tvillingar som kan användas för att t ex detektera ett underhållsbehov

Flexibla modeller för smart underhåll

Ett smart underhåll innebär att maskiner själva identifierar och ev. genomför ett underhållsbehov. Tekniken finns i nya moderna maskiner, men behovet är stort i befintliga anläggningar. Projektet syftar till att ta fram modeller för smart underhåll av befintlig äldre utrustning.

AXO-SUIT

AXO-SUIT är ett EU projekt (AAL Call 6: AXO-SUIT project) vars syfte är att ta fram ett Exo-skelett för att assistera äldre personer med nedsatt rörelseförmåga. Styrningen av Exo-skelettet skall förstärka den rörelse som personen avser att utföra. Vår del i projektet har varit att ta fram matematiska modeller som beskriver axelns rörelser samt att detektera vilken rörelse som användaren avser att utföra.

Niclas Björsell handleder fem doktorander och undervisar i kurser som relaterar till forskningen.

.