FIRP – Framtidens industri
Forskningsprogrammet Framtidens Industri, som på engelska heter Future Industry Research Programme, fokuserar på samhällsutmaningar som resiliens, global konkurrenskraft, innovation och ekonomisk tillväxt genom att samarbeta och samskapa med industrin. Genom ansvarsfull innovation vill forskningsprogrammet stödja teknologiska framsteg till förmån för hela samhället.

Att säkerställa kontinuerlig och ansvarsfull innovation och samtidigt vara hållbar och konkurrenskraftig är en stor utmaning för industrin idag, vilken bara kan lösas genom multidisciplinärt samarbete mellan många olika intressenter. Forskningsprogrammet FIRP vill bidra till att möta denna stora utmaning.
FIRP, Framtidens industri, är en del av Högskolans fokusområden Smarta städer och samhällen och ligger i linje med ”Industri 4.0” och ”Industri 5.0”. Det innebär att forskningen strävar efter en ökad digitisering av industrin, samtidigt som den är socialt ansvarstagande, hållbar och sammantaget till nytta för samhället. Forskningsprogrammet fokuserar på att skapa motståndskraftiga, säkra och hållbara urbana arbets- och industrimiljöer genom forskning om teknologier och metoder som bidrar till fokusområdet Smarta städer och samhällen.
FIRP arbetar med fem av de globala målen för hållbar utveckling: Hållbar industri, innovation och infrastruktur; anständiga arbetsvillkor och ekonomisk tillväxt; hållbara städer och samhällen; jämställdhet; god utbildning samt hållbar konsumtion och produktion.
Visionen för FIRP är att främja forskningskompetens, stärka samarbetet mellan universitet, industri och samhälle samt integrera mer forskning i utbildningen för att förbereda människor och industrin för framtida utmaningar och möjligheter. Programmet strävar efter att positionera Högskolan i Halmstad som en ledare inom tvärvetenskaplig teknologisk forskning och hjälpa till att möta moderna samhälls- och industribehov.
Tre centrala teman och kluster
Forskningsprogrammet består av tre samverkanskluster för att lösa komplexa industriella utmaningar. Klustren samlar forskare från ämnesområden som artificiell Intelligens, maskininlärning, material och sensorer, ytmetrologi, cybersäkerhet, additiv tillverkning, datorseende, autonoma system och prediktivt underhåll.
Innovativ industri
Innovativ industri är främst involverat i forskning och tillämpning av banbrytande teknik och processer inom en rad områden inom starka områden på Högskolan: halvledarteknik, nanovetenskap, digitala radarsystem, sensorsystem för autonoma fordon, funktionella ytor och avancerad tillverkningsteknik.
Resilient industri
Resilient industri arbetar med industrisektorns kapacitet att upprätthålla säkerhet, tillförlitlighet och hållbarhet mitt i de utmaningar som en alltmer digital och sammankopplad värld innebär. Detta omfattar ett brett spektrum av frågor, inklusive cybersäkerhet, datasekretess och autenticitet, motståndskraft mot hårdvaru- eller programvarufel och skydd mot externa hot
Prediktiv industri
Prediktiv industri handlar om att skapa system som självständigt kan konstruera kunskap från verkliga data som genereras genom interaktioner mellan ett industriellt system och dess miljö. En central tillämpning inom prediktiv industri är prediktivt underhåll (PdM), vilket ligger i linje med målet att uppnå kostnads- och effektivitetsvinster för industrier. Denna applikation är nära kopplad till användningen av HU:s styrkor inom artificiell intelligens (AI) och maskininlärning (ML).

Bild: AI-genererad av Ross Friel
Forskningsfrågor
- Hur kan avancerad dataanalys och maskininlärning förbättra industriella processer?
- Vilka metoder och teknologier kan förbättra robustheten och säkerheten hos industriella system mot cyber- och fysiska störningar?
- Hur kan innovativa sensorteknologier, material och ytor förbättra industriella kapaciteter?
- Hur kan prediktiva modeller utvecklas för att förutse utrustningsfel och optimera driften?
Forskningsprojekt
Ansiktsanalys i eran av mobila enheter och munskydd
ELLIIT – strategisk forskningsmiljö
FREEPORT – centraliserad inlärning och edge processing för säker och effektiv drift
Megapixel-supergitterdetektorer med optiska metastrukturer
Quantifying Sensor Surface Contamination for Safe Vehicle Automation (QonSense)
ROADVIEW – robust automatiserad körning i extremt väder
SMILE IV – säkerhetsanalys och verifiering/validering av maskininlärningsbaserade system
Deltagande forskare
Akademin för informationsteknologi
- Abu Mohammed Raisuddin, doktorand
- Anna Vettoruzzo, doktorand
- Canberk Özen, doktorand
- Carlos Nascimento Silla Junio, professor
- Cristofer Englund, professor
- Edison Pignaton De Freitas, professor
- Elena Haller, universitetslektor
- Emil Nilsson, universitetslektor
- Eren Erdal Aksoy, universitetslektor
- Fernando Alonso-Fernandez, professor
- Grzegorz Nalepa, professor
- Håkan Pettersson, professor
- Hamid Sarmadi, biträdande universitetsektor
- Hans Hellsten, adjungerad professor
- Idriss Gouigah, doktorand
- Jeong Min Kang, postdoktor
- Jesper Holmblad, forskningsingenjör
- Joel Nyholm, doktorand
- Josef Bigun, professor
- Kevin Hernandez Diaz, postdoktor
- Kunru Chen, postdoktor
- Mahdi Fazeli, universitetslektor
- Mark Dougherty, professor
- Marlena Nowaczyk, universitetslektor
- Martin Cooney, universitetslektor
- Mohamed Eldefrawy, universitetslektor
- Mumpy Das, forskningsingenjör
- Oscar Molina, biträdande universitetslektor
- Parisa Jamshidi, doktorand
- Per Sandrup, forskningsingenjör
- Peyman Mashhadi, universitetslektor
- Prayag Tiwari, universitetslektor
- Sepideh Pashami, universitetslektor
- Slawomir Nowaczyk, professor
- Sundas Munir, universitetsadjunkt
- Wojciech Mostowski, universitetslektor
- Yuantao Fan, biträdande universitetslektor
- Zahra Taghiyarrenani, postdoktor
- Zeinab Shahbazi, postdoktor