Storingen voorkomen met kunstmatige intelligentie

Voor bedrijven is downtime een enorme kostenpost waarvan de rekening in de miljoenen kan lopen. Universiteit Twente, TNO-ESI en de Vrije Universiteit Amsterdam werken daarom samen aan de inzet van kunstmatige intelligentie om storingen beter te voorspellen en te voorkomen. Zij hebben drie miljoen euro onderzoekssubsidie gekregen voor het project ZORRO (Engineering for Zero Downtime in Cyber-Physical Systems via Intelligent Diagnostics).

‘Intelligent diagnostics is een actief onderzoeksgebied; waar meerdere onderzoekprojecten lopen ZORRO is uniek omdat we ons op het systeem als geheel richten, en niet op individuele componenten’, legt Mariëlle Stoelinga, hoogleraar Risk Management for High-tech systems bij de Universiteit Twente, uit. ‘Dit maakt het complex: binnen een systeem hebben de componenten allerlei complexe interacties en afhankelijkheden. Om daarvoor diagnostiek te ontwikkelen, dat is. De uitdaging. We willen bijvoorbeeld efficiënte monitoringssystemen ontwikkelen door slimme combinaties van sensoren. Een ander werkpakket in het project richt zich op het koppelen van   domeinkennis aan data-gedreven algoritmen. Hiervoor ontwikkelen we nieuwe diagnostische modellen en  integreren we deze in het ontwikkeltraject voor hightech systemen.’

ZORRO

Het ZORRO-project werkt aan diagnostische methoden voor hightech systemen, zoals MRI-scanners en printers. Door hun gedrag continu te monitoren met geschikte sensoren, kunnen algoritmen uit de AI afwijkende patronen in de sensorsignalen opsporen, en deze relateren aan hun grondoorzaken. Passende maatregelen, zoals vervanging of reparatie, kunnen dan tijdig genomen worden om storingen voorkomen.

Vice-projectleider Carmen Bratosin van TNO-ESI: ‘Dit multi-company programma geeft ons vertrouwen in een brede toepasbaarheid. Het stelt ons in staat onze inspanningen voor de realisatie van ESI’s diagnostiek roadmap voor de hightech industrie te versnellen.’