Forskningsprojekt BIaaS: Batteriintelligens som tjänst för industriell elektrifiering

Hur mår batteriet i en eldriven gruvmaskin? Och hur kan kunskap om batteriers status bli en tjänst? I det här projektet utvecklar vi AI-baserad batteriintelligens för att öka batteriers livslängd.

Gruvmaskiner och andra tunga industrimaskiner elektrifieras i snabb takt. Batterierna är dyra, och hur länge de håller beror på hur de används. Ändå har både användare och leverantörer ofta begränsad insyn i batteriernas hälsa och åldrande i verklig drift.

Projektet BIaaS utforskar batteriintelligens som en tjänst. Vi utvecklar datadrivna och AI-baserade metoder som omvandlar data från batterier och hela fordonsflottor till handlingsbara insikter. De förväntade resultaten är en fördjupad förståelse av batteriers prestanda och degradering i industriell drift, bättre möjligheter att identifiera ineffektiva användningsmönster samt stöd för att förlänga batteriers livslängd genom välgrundade beslut.

Projektet ska dessutom ge en strukturerad grund för skalbara, tjänstebaserade erbjudanden byggda på batteriintelligens, vilket bidrar till mer resurseffektiv batterianvändning och till fortsatt elektrifiering av industriella tillämpningar.

Projektet genomförs i nära samarbete med industrin, med Scania Industrial Batteries som koordinator.

Elektrifieringen av gruvdrift, bygg och tunga transporter är ett viktigt steg mot en fossilfri industri. Batteriers prestanda, tillförlitlighet och livslängd påverkar både driftseffektivitet och lönsamhet. Men dagens övervakningslösningar erbjuder oftast fragmenterade data och isolerade analyser. Det gör det svårt att bedöma batterihälsa och -degradering, identifiera ineffektiv användning och fatta välgrundade beslut om drift och underhåll.

Projektet BIaaS möter denna utmaning genom att utveckla ett intelligenslager som kombinerar batteri- och vagnparksdata med AI-baserad analys och modellbaserad uppskattning av batteriets status, prognoser för degradering och upptäckt av avvikelser från rekommenderad användning. Metoderna valideras både i labbtester hos Scania Industrial Batteries och på verkliga industriella batterisystem tillsammans med Epiroc Rock Drills. Insikterna används för att undersöka tjänstebaserade affärsmodeller, till exempel abonnemang eller prissättning per maskin.

Projektet förväntas ge validerade metoder för att förstå batteriers prestanda och degradering i industriell drift, stöd för att förlänga batteriers livslängd genom välgrundade beslut samt en affärsmodell på konceptnivå för skalbara tjänster inom batteriintelligens – vilket bidrar till mer resurseffektiv batterianvändning och fortsatt industriell elektrifiering. På DSV genomförs projektet inom forskargruppen Data Science Research Group, som leder utvecklingen av analysmetoder och datadrivna modeller.

Projektansvariga

  • Majid Astaneh

    Senior System Simulation Engineer

    Scania Industrial Batteries AB

Medlemmar

  • Irma Hodzic Howard

    Director of Products and Services/Head of Software

    Scania Industrial Batteries AB
  • Sidhant Kuthiala

    Lifecycle Product Manager

    Scania Industrial Batteries AB
  • Gunnar Latz

    Application Engineer

    Siemens Industry Software AB
  • Jonas Lindberg

    Data Analytics Lead

    Epiroc Rock Drills AB
  • Diana Yamalova

    Lead Systems Engineer

    Scania Industrial Batteries AB
  • Jing Ying Ko

    Battery Performance Engineer

    Scania Industrial Batteries AB