FT01.03_2022 Risikooptimeret og datadrevet produktionskontrol og in-service inspektion af vindmøllevinger
Aktiviteten baseres på automatiseret ikke-destruktiv ultralydinspektion (NDT). Datadrevet risikoevaluering, funderet på store datamængder, giver de nye aktører adgang til objektive og reproducerbare data til optimering af produktlevetiden, samt reduktion af risikoen for unødvendige reparationer og udskiftninger af vindmøllevinger.Aktiviteten bidrager på længere sigt til at realisere udviklingen af en række nye teknologiske services, der bygger på datadrevet produktionskontrol og in-service inspektion af vindmøllevinger. De nye services vil give mere nøjagtige risikoprofiler i kombination med automatisk evaluering af inspektionsresultater og derigennem understøtte producenters og slutbrugeres risikoledelse i forhold til vindmøllevinger.
FT01.04_2022 Multidisciplinær monitorering som forudsætning for risikoevaluering
Formålet med nærværende aktivitet er at – gennem udførelse af specifikke monitoreringsforsøg – skabe data til at dokumentere og kvantificere en række risici og således direkte indgå i og forbedre den datadrevne risikoevaluering – potentielt i hele vindmøllens levetid. På den baggrund er planlagt forsøg på en offshore installation, hvor udstyret skal klargøres. Målet er, at udstyret bliver installeret, så det bliver muligt at analysere data.
FT03.08_2022 Simuleringsværktøjer til Grøn Omstilling og Havvind
Bedre simuleringsværktøjer medfører bl.a. at havne, sejlruter og kanaler – på et rationelt grundlag – vil kunne betjene større skibe end de kan i dag. Større – og færre – skibe til den samme godsmængde resulterer i en betydelig reduktion af CO2-udslip og transportomkostninger. FORCE Technology vil derudover udvikle et sæt af simuleringsværktøjer målrettet havvindmøllebranchens udfordringer i forbindelse med feasibilitystudier, designsimulering og optimering af udslæb og installationsoperationer (inkl. kranoperation), som vil have en direkte effekt i form af reduceret LCOE for havvind.
FT03.07_2022 Virtuelle hydro- og aerodynamiske designværktøjer
Målet for nærværende aktivitet er, med nye funktionaliteter, at kunne yde beslutningsstøtte omkring sikkerhed og energieffektivitet til målgruppevirksomhederne i den maritime industri gennem hele designforløbet. Dette giver en effektiv designproces samt et endeligt design som performer godt, hvilket i sidste ende er med til at gøre virksomhederne mere konkurrencedygtige på parametre, der er relevante i processen med den grønne omstilling.
FT03.06_2022 Videnspredning og økosystem for ”Maritim Grøn Omstilling og Sikkerhed – Virtuelle Services”
Målet for aktivitetsbeskrivelsen er at sikre, at indsatsområdet i 2022 samlet set kommer i aktiv berøring med 150 virksomheder i 2022. Herunder at sikre videndeling, så flest mulige interessenter får adgang til relevant viden fra indsatsområdet over hele perioden.
Data og arbejdsprocesser – interaktion og visualisering
Målet med aktiviteterne er at opbygge viden, kompetencer og softwarekomponenter til datavisualisering af og interaktion med data fra en lang række kilder såsom offentlige/private data samt sensordata fra industrien. Der vil blive bygget videre på erfaringerne fra aktiviteterne i 2021, og arbejdet på at udvikle softwarekomponenter til avanceret datavisualisering og interaktion i 2D og 3D i web og native applikationer samt XR-løsninger (Augmented Reality, Mixed Reality og Virtual Reality). Målet er at understøtte industrielle applikationer og processer indenfor produktion, industri, logistik og transport, landbrug og fødevarer og energi. Aktiviteten bidrager således direkte til det overordnede mål for indsatsområdet om datadrevet, bæredygtig vækst ved at understøtte digitalisering og tilgang til data på tværs af arbejdsprocesser og domæner. En dialog i følgegruppen har desuden synliggjort et udtalt behov fra virksomhederne for visualisering af og interaktion med data, for at understøtte de datadrevne beslutninger.
Målene for aktiviteten inkluderer:
State-of-the-art analyser indenfor brugen af 2D/3D datavisualisering og visual analytics indenfor og på tværs af industrielle domæner.
Udvikling af værktøjskasse og platformskomponenter til XR interaktion.
Udvikling af værktøjskasse til avanceret 2D visualisering i webbrowsere baseret på state-of-the-art visualiseringsbiblioteker og en GraphQL-baseret backend til opsamling og udstilling af data.
Udvikling af værktøjskasse til avanceret 3D visualisering i webbrowsere med nye standarder som WebAssembly og WebGPU. Herunder konvertering af 3D dataformater til streaming til browser-baserede applikationer.
Udvikling af værktøjskasse med interaktionskomponenter baseret på nyeste state-of-the-art hardware og softwareplatforme, der kan gøre brug af data fra eksempelvis digitale tvillinger og industrielle BOM, BOP og BIM-modeller. Herunder også løsninger til procesunderstøttelse og samarbejde i AR på tværs af værdikæder og brugere.
Udvikling af komponenter til objektgenkendelse og pose detection vha. RGB/dybdedata i AR for bedre forståelse af den fysiske virkelighed herunder støtte til dynamisk opbygning og opdatering af digitale tvilling modeller.
Medvirke til FoU-ansøgninger i med andre videninstitutioner og virksomheder.
Dataanalyse og kunstig intelligens
Målet med denne aktivitet er på baggrund af erfaringer og aktiviteter i 2021 at udvikle teknologiske services og kompetencer inden for kunstig intelligens og maskinlæring, der adresserer samfunds- og forretningsmæssige udfordringer fra alle fire sektorer: logistik, fødevarer, produktion og energi. Dette skal ske gennem partnerskaber og projekter med relevante aktører fra den offentlige og private sektor og samarbejder med øvrige videninstitutioner. Slutmålet er at muliggøre anvendelsen af den nyeste forskning inden for AI og dataanalyse for at understøtte datadrevet, bæredygtig vækst for virksomheder, rådgivere og offentlige institutioner.
Et særligt fokus vil være på emner relateret til grøn energiomstilling, hvor Alexandra Instituttet forventer at samfinansiere med andre kommende forskningsprojekter, f.eks. projekter under Innomission-partnerskaber CCUS og PtX.
Konkret bidrager aktiviteten til opfyldelsen af indsatsens indikatorer 2022 vedr. case- og demonstrationsprojekter, teknologiske services i TDU’en (test-, demonstrations- og udviklingsfacilitet), videnspredning og samarbejde med videnpartnere.
Dataplatforme og digitale tvillinger
Aktiviteten vil fortsætte arbejdet med at identificere, udvikle og afprøve en række ready-to-use platforme, softwarekomponenter og værktøjer, der gør det nemt for virksomheder at afprøve nye idéer og udvikle nye datadrevne produkter og services igennem aktivitetsområdets TDU (Test-, Demonstrations-, og Udviklingsfacilitet). Målsætning med aktiviteten er at gøre det nemt for virksomheder at få valideret ideer til datadrevet optimering og forretningsudvikling. Fx spørgsmål som “hvordan kan data hjælpe mig til optimering af arbejdsgange i min produktion” eller ”hvordan kan simulerede energidata hjælpe til at vurdere et fremtidig bæredygtigt energi-mix”. For at opnå dette anvendes og udbygges en fælles værktøjskasse, der understøtter rapid prototyping i TDU’en. Værktøjskassen gør det muligt at bygge prototyper og PoC, der kan kvalificere teknologiens potentiale for at skabe konkret indsigt, værdi, vækst og øget bæredygtighed hos virksomhederne.
Den fælles værktøjskasse består af eksisterende værktøjer og basisteknologier, som suppleres med state-of-the-art softwarekomponenter for domænespecifikke digitale tvillinger. Aktiviteten sigter ikke på at erstatte eksisterende avancerede modellerings- og simulerings-værktøjer, fx fysisk simulering af et produktionsanlæg eller modeller af energisystemer. Ambitionen er til gengæld at tilbyde en letvægtsmodel / et standardiseret lag i den digitale tvilling, hvorigennem data udstilles i lettilgængeligt og fleksibelt format, og dermed gøres tilgængelig for virksomheder der ikke har den store erfaring med arbejdet med data og digitale tvillinger. Letvægtsmodellen kan både udstille data fra en eksisterende avanceret simulering, eksisterende målepunker eller nyetablerede sensorer. Modellerne kan anvendes på tværs af cases og standardisere formidling med Extended Reality (AR, MR, VR) og realtids dataanalyser baseret på kunstig intelligens og machine learning. Herigennem understøttes målet om rapid prototyping, og kobling til aktivitetsplanerne 3 og 4.
Aktiviteten vil igennem konkrete problemstillinger hos casevirksomheder undersøge domænespecifikke behov, metoder og teknikker (fx inden for industri, logistik, energi). Cases sikrer at udvikling af state-of-the-art softwarekomponenter samt teknologiske ydelser og services, er afprøvet og pilot-testet med målgruppevirksomheder i de relevante domæner, og dermed understøtter et konkret og reelt behov i markedet.
TDU, videnspredning, bæredygtighed og governance.
Aktiviteterne i denne beskrivelse bidrager til det overordnede mål for indsatsen ved at sikre at danske virksomheder, via inddragelse i både casesamarbejder og videnspredningsaktiviteter samt etableringen af en test-, demonstrations- og udviklingsfacilitet (TDU), kan holde sig i front i den globale konkurrence. Virksomhederne opnår dyb viden om og kompetencer inden for dataplatforme og digitale tvillinger, dataanalyse og kunstig intelligens samt interaktion og datavisualisering, og derudover viden om, hvordan digitale teknologier kan være med til at fremme virksomhedernes grønne omstilling. Målet for aktiviteterne i år 2 af denne RK-indsats er 1) etablering af TDU’en og systematisk opsamling og formidling af de teknologiske services og ydelser, som udvikles i regi af de øvrige aktivitetsplaner under indsatsen og 2) at involvere minimum 100 virksomheder i konkrete videnspredningsaktiviteter.
Netværk og videnspredning
Fremstillingsindustrien og fødevareindustrien bliver i stigende grad stillet over for forventninger om at håndtere øget produktvarians, små seriestørrelser og dermed en øget kompleksitet i produkter og produktion, samtidig med at ressourceforbruget mindskes. Det kræver udvikling af mere agile produktionsmetoder og tilhørende teknologier at opnå en mere konkurrencedygtig produktion. Indsatsen vil bl.a. udvikle og demonstrere, hvordan rekonfigurerbare produktionssystemer, agile automationsceller og avanceret in-line kvalitetskontrol kan understøtte denne omstilling af den danske fremstillingsindustri og fødevareindustri. Det kræver bl.a. en forskning og udvikling inden for en række teknologiske områder som digitale tvillinger, kunstig intelligens, nye sensortyper, kollaborative robotter og avancerede industrirobotter. Samtidig vil indsatsen også undersøge, hvordan nye digitale services og forretningsmodeller kan understøtte omstillingen samt sikre de enkelte virksomheders fremtidige konkurrencekraft.
