AI skal forudsige og forklare behov for vedligeholdelse af maskiner

Datalogisk Institut på KU, DTU Compute, Metroselskabet, Everllence og DCR Solutions går sammen om at løse en af de centrale udfordringer i Industri 4.0: Nemlig hvordan man kan bruge de mange data, der i dag opsamles fra moderne maskiner, til at give forklarlige forudsigelser for vedligeholdelse, der kan omsættes til handling. Innovationsfonden investerer godt 19 mio. kr. i projektet over 4 år.

Grand Solutions projektet P³AI₄ Predictive and Prescriptive Process Analytics for Industry 4.0 vil kombinere industriel forskning baseret på det tværfaglige felt process mining, som ligger i krydsfeltet mellem AI, data- og procesvidenskab. Danmark er verdensførende inden for forskning i process mining, og i dette projekt skal forskere fra Datalogisk Institut, Københavns Universitet og DTU Compute udvikle ​​algoritmer, der håndterer realtidsdata, som kan anvendes på tværs af industrier, der arbejder med automatiseret dataindsamling i deres systemer.

- Vores algoritmer til process mining har vundet flere priser internationalt men har hidtil primært været anvendt til at beskrive og forbedre forretningsprocesser retrospektivt. Med P³AI₄ kan vi vise, at teknologien også kan bruges til at forudsige fejl i på maskiner i realtid, som kan forhindre dyre sammenbrud, siger Tijs Slaats, projektleder og Associate Professor på Datalogisk Institut

Intelligente applikationer som forudsigelses- og anbefalingssystemer anses som strategiske teknologitrends inden for fremtidens AI.

Stort potentiale

En af projektets tre industrielle samarbejdspartnerne er Metroselskabet, og deres automatiske togstyringssystem registrerer cirka 45 millioner daglige events. Projektet vil understøtte et generelt skift til realtidsovervågning og proaktive vedligeholdelsesløsninger.

- Vi ser et stort potentiale i projektet til at hjælpe os med generere nye indsigter og udnytte de enorme datamængder fra vores automatiske systemer bedre. Vi arbejder konstant på at forbedre vores drift, og projektet vil muliggøre udvikling af nye datadrevne og forklarlige metoder til at forbedre drift og vedligeholdelse for at reducere antallet af driftsforstyrrelser i Metroen, siger Jan Schelhaas, projektdeltager fra Metroselskabet

Gennem dette projekt vil Everllence være i stand til at forudsige nedbrud og fejl på deres moderne skibsmotorer og tilbyde reservedele, når det er nødvendigt.

DCR Solutions bidrager med udviklingen af​​prædiktive og præskriptive procesmodeller og ​​brugercentrerede softwareløsninger.

Store udfordringer

I øjeblikket er de største forhindringer for den fulde udnyttelse af tilgængelige data, besiddelse af kritisk domæneviden og menneskelige faktorer. Det faktum, at store begivenheder i høj grad øger risikoen for dørhavarier på en given aften i Metroen, er f.eks. vanskelige at integrere i de nuværende prædiktive AI-modeller, og deres forudsigelser kan ikke forklares for brugerne.

Disse udfordringer er ikke unikke for Metroselskabet, men repræsenterer snarere en verdensomspændende samfundsmæssig udfordring med at udnytte de store mængder data, der genereres af Industri 4.0-systemer, effektivt for at kunne levere præcise og forklarlige forudsigelser og recepter til slutbrugerne.

Fakta

• Innovationsfondens investering: 19.189.358 mio. kr.
• Samlet budget: 25.722.410 mio. kr.
• Varighed: 4 år
• Officiel titel: P³AI₄ Predictive and Prescriptive Process Analytics for Industry 4.0
• Samarbejdspartnere: Datalogisk Institut på KU, DTU Compute, Metroselskabet, Everllence og DCR Solutions