Datadrivna metoder upptäcker försämrad kvalitet i tid
Kvalitetskontroller inom tillverkningsindustrin har stor potential att förbättras med hjälp av systematisk datainsamling och maskininlärning, det visar en avhandling från Företagsforskarskolan vid Umeå universitet.
![](https://image.nordjyske.dk/users/nordjyske/images/85545511.jpg?t%5Bstrip%5D=true&t%5Bcrop%5D%5Bwidth%5D=4032&t%5Bcrop%5D%5Bheight%5D=3024&t%5Bcrop%5D%5Bx%5D=0&t%5Bcrop%5D%5By%5D=0&t%5Bresize%5D%5Bwidth%5D=660&t%5Bresize%5D%5Bheight%5D=495&accessToken=b54937013bc7f61be46c3571fabe70871357cf4300d3c5755cf09a592969a5dd)
Niklas Fries och Malin Andersson i Volvo Lastvagnars fabrik i Umeå. I bakgrunden syns hytterna som är på väg till målning. Det är denna process som undersökts i det gemensamma forskningsprojektet. Foto: Sara-Lena Brännström.
Niklas Fries doktorerade vid Företagsforskarskolan och Institution för matematik och matematisk statistik vid Umeå universitet där han genomförde sitt forskningsprojekt av kvalitetskontroller inom tillverkningsindustrin. I hans forskningsprojekt samarbetade han tillsammans med Volvo Lastvagnar för att ta reda på hur datadrivna metoder skulle kunna ...
Vill du få åtkomst till allt?
Prova 30 dagar för 0 kr.
Inga bindningstider eller kortuppgifter krävs.
Prova nu
Köp en prenumeration
Utforska våra prenumerationslösningar och välj den som passar dina behov.
Välj din prenumeration