Storingen voorspellen en voorkomen met kunstmatige intelligentie

Storingen kunnen voor bedrijven al snel in de kosten lopen. Een nieuw systeem gebaseerd op kunstmatige intelligentie (AI) moet uitkomst bieden.

Storingen doen zich voor in alle maten en vormen. Denk hierbij aan een app van een bank die niet functioneert of een website die onbereikbaar is, maar ook aan een toegangspoort- of deur die niet wil openen of een onderdeel van een productielijn dat stilvalt. De schade kan voor bedrijven al snel oplopen. Bijvoorbeeld doordat de productie stil komt te liggen en leveringen moeten worden uitgesteld.

Voorkomen door te voorspellen

De Universiteit Twente, Hogeschool Saxion, TNO-ESI en de Vrije Universiteit Amsterdam werken binnen het project ZORRO aan het nieuwe systeem. ZORRO staat voor Engineering for Zero Downtime in Cyber-Physical Systems via Intelligent Diagnostics. De partijen willen AI inzetten voor het beter kunnen voorspellen van storingen, wat moet helpen bij het voorkomen hiervan. Het project krijgt een onderzoekssubsidie van drie miljoen euro.

De aftrap van het project vond afgelopen week plaats. Binnen het ZORRO-project werken de betrokken partijen aan diagnostische methoden voor hightech systemen. Denk hierbij aan MRI-scanners en printers.

Gedrag van apparatuur monitoren

De onderzoekers zetten sensoren in voor het monitoren van het gedrag van apparatuur. Algoritme kunnen vervolgens afwijkende patronen in de verzamelde gegevens opsporen, en correleren aan mogelijke oorzaken. Dit stelt bedrijven in staat tot tijdig ingrijpen. Bijvoorbeeld door het preventief vervangen of repareren van onderdelen. Zij voorkomen zo onverwachte storingen en kunnen downtime indien onvermijdelijk inplannen.

“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 system bij de Universiteit Twente, uit.

Complexe interacties en afhankelijkheden

“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.”

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.”

Nationaal investeringsprogramma KIC

De subsidie van drie miljoen euro die voor het project beschikbaar is gesteld is afkomstig uit de call ‘Next Generation Hightech Equipment: cyber-physical systemen’. Deze call maakt onderdeel uit van het onderzoeksprogramma Kennis- en Innovatieconvenant (KIC). Dit programma is gericht op het realiseren van baanbrekende innovatieve oplossingen met maatschappelijke en economische impact. Zowel bedrijven, kennisinstellingen als overheden investeren samen in de bedrijfsmatige toepassing van kennis. Het doel is het aanpakken van grote maatschappelijke uitdagingen met behulp van slimme technologieën.

Het project wordt getrokken door UT-hoogleraar Marielle Stoelinga en co-projectleider Carmen Bratosin van TNO-ESI. ASML, Canon Production Printers, ITEC, Philips, en Thermo Fisher Scientific zijn vanuit de industrie betrokken.

Auteur: Wouter Hoeffnagel
Foto: X3 via Pixabay