Den industriella produktionen står inför ökade krav på flexibilitet, kortare ledtider och högre effektivitet. Projektet iPROD syftade till att utveckla digitala verktyg som kan stödja industriföretag i att optimera sina produktionsprocesser. Genom att integrera produktutveckling, design och produktion i en digital miljö ville projektet skapa en mer sammanhållen och resurseffektiv tillverkningskedja.
Mål och genomförande
Projektet fokuserade på tre huvudsakliga innovationsområden:
-
Enterprise Wide Configurator (EWC) – Ett verktyg för att koppla samman produktutveckling, försäljning och produktion, vilket skapar en mer effektiv och kostnadsoptimerad produktionskedja.
-
Designautomationsverktyg – Verktyg för att automatisera designprocesser och minska ledtiden för att ta fram produkter.
-
Automatisk produktionsförberedelse – Digitalisering av produktionsdata och automatiserad generering av produktionsunderlag.
Projektet genomfördes i samarbete mellan Linköpings universitet och flera industripartners, inklusive Weland, Häfla Bruks och XperDi. Arbetet omfattade utveckling av digitala konfigurationsverktyg, testning av automatiserade designmetoder och integrering av produktionsdata i existerande affärssystem.
Resultat och effekter
Genom iPROD har flera industriföretag kunnat implementera digitala verktyg som effektiviserar deras arbetsflöden:
-
Snabbare produktutveckling: Weland rapporterar att offert- och konstruktionsprocesser för trappor nu kan genomföras upp till 50 % snabbare med hjälp av digitala verktyg.
-
Minskade fel i produktionen: Häfla Bruks använder en ny konfigurator för att skapa 3D-modeller och automatiskt generera produktionsdata, vilket minskar antalet fel.
-
Effektivare produktion: DJ Domestik har reducerat tiden för att skapa offerter och produktionsunderlag med 90 %, vilket ger kortare ledtider och minskade kostnader.
Projektet har även lett till utvecklingen av två open-source verktyg:
-
Digital Twin-plattform för att simulera produktionsprocesser och förutsäga utfall.
-
Automatiserad 2D-ritningsläsning som använder AI för att extrahera data från tekniska ritningar.
Projektet avslutades 2024.