Hoppa till huvudinnehåll

REAP UP: Resource efficiency and assessment process for used parts

Återanvändning av begagnade komponenter är en etablerad strategi inom fordonsindustrin. Men det är en komplex process, som måste ta hänsyn till bland annat stora variationer i användarmönster, infrastruktur, internationell lagstiftning samt variationer i tillgång och efterfrågan. Projektet ska demonstrera hur ekonomisk, ekologisk och social hållbarhet kan uppnås genom att förenkla förutsättningarna för återanvändning med hjälp av ett AI-drivet beslutsstöd.

Om projektet

Återanvändning av begagnade komponenter, så kallade "cores", sker genom upparbetning där utslitna delar och vissa material ersätts med nya. Ett välutformat beslutstöd är avgörande för att säkerställa att processen är hållbar – ekonomiskt, miljömässigt och socialt, även över internationella gränser.

Detta projekt syftar till att utveckla en systemdemonstrator som skall minska miljöpåverkan från transporter, minska behovet av nyproduktion av delar, optimera lagerhållningen av komponenter och stödja lokal hantering på bästa möjliga sätt.

Projektet ser AI-modeller som centrala förutsättningar för detta beslutsstöd. Lika viktigt är att öka införandet av dessa system, eftersom en teknisk lösning saknar värde om den inte accepteras och tillämpas av de involverade aktörerna och deras processer.

Utmaningar

Återanvändning utgör en komplex samhällsutmaning på flera systemnivåer:

  • Beteende och kultur: Utbredd skepsis mot återanvändning, svaga ekonomiska incitament för reparerbarhet, kunders höga förväntningar på tillgänglighet, snabbhet och förutsägbarhet.
  • Affärsmodeller: Förändrade värdeerbjudanden i flera led i värdekedjan och för flera aktörer.
  • Regleringar och standardisering: Internationella lagar begränsar flödet av begagnade komponenter, samtidigt som ny lagstiftning kontinuerligt tillkommer.
  • Infrastruktur, fysisk och digital: Skillnader i fysisk infrastruktur påverkar lönsamheten för återanvändning. Samtidigt ställs höga krav på spårbarhet och datadelning som måste ta hänsyn till komplex lagstiftning.
  • Teknik, produkter, tjänster och processer: Outvecklade och oprövade tekniska lösningar för spårning av produkter, otillräcklig hantering av produktdata och ineffektiva processer.

Förväntade resultat

Projektet ska leverera en komplett systemkartläggning av återanvändning av fordonskomponenter i en svensk och europeisk kontext. Kartläggningen kommer att dokumentera erfarenheter och processer för återanvändning och hantering av komponenter, samt identifiera tillgänglig data och analysbehov kopplade till beslutsstöd.

Dessutom ska projektet undersöka återanvändning i en tillväxtmarknad. Två kontrasterande "extremfall" kommer att väljas ut för systemdemonstratorn. Dessa fall ska omfatta  samtliga systemutmaningar som har identifierats och där projektparterna har ser  tydliga utmaningar, mål och/eller nyttor från kunskapsbyggande.

Slutligen ska projektet leverera en översikt av state-of-the-art inom AI för att identifiera relevanta verktyg för att optimera beslutsprocesser baserade på effektiv resursanvändning, vilket kommer att demonstreras i nästa projektfas.

Fakta

Finansiering: Totalt 1 242 000 SEK varav 750 000 SEK från Vinnova.

Deltagande organisationer:

 Projektperiod: Juni 2025 - Mars 2026

Logotyp + text: Med finansiering från: Vinnova
För mer information, kontakta
Mauricio Munoz portrait picture
Mauricio Muñoz
Project Lead and Senior Research Engineer
+46 (0)70-383 50 10

Några relaterade projekt

Volvo Skövde plant

Skövde Plant Approaching Carbon Elimination (SPACE) | AI feasibility study

Detta projekt utforskar användningen av AI för att transformera Volvo Groups anläggning i Skövde, med fokus på smart energianvändning och produktionsplanering för att hantera utmaningarna med...
Cars connected as an illustration of federated fleet learning

Federated Fleet Learning

Som ett resultat av att regler och lagar kring datadelning, säkerhet och lagring förändras, förväntas nuvarande metoder för modellträning att stå inför ökade utmaningar. Målet med detta projekt är att...
An AI-generated image showing cars driving and people walking in a city setting

Next generation infrastructure

Inom ramen för Next Generation Infrastructure Project utvecklar AI Sweden nästa generations infrastruktur för träning, distribution och iterativ förbättring av grundmodeller genom att hantera...
Photo in black and white of trucks on a parking lot seen from above

FormAI

FormAI utforskar användningen av generativ AI i kombination med formell verifiering för att utveckla säker och pålitlig programvara inom fordonsområdet.