VLOOTGEBASEERDE ANALYSE HELPT FUNCTIE EN ONDERHOUD OPTIMALISEREN

Seminarie HYMOP exploreert onontgonnen datagebied

Hoe kunnen datagedreven analyse en hybride modellering het functioneren en het onderhoud van uw machinevloot helpen verbeteren. Op die vraag trachtte men medio december 2017 een antwoord te geven tijdens het HYMOP-consortium, in het Technologiepark te Zwijnaarde. De bottomline was dat het potentieel van de enorme hoeveelheid aan verzamelde data onvoldoende ontgonnen wordt. Vooral op vlootniveau liggen er nog vele opportuniteiten. Door het vergelijken van het gedrag van één machine met betrekking tot de vloot kan nog meer gedetailleerde en accurate kennis worden geëxtraheerd.

VLOOTGEBASEERDE ANALYSE

Vooraleer echt diep in de materie te duiken werd het wat, waarom en waarom nu van vlootgebaseerde analyse uit de doeken gedaan. Elk bedrijf wil natuurlijk zijn CAPEX en OPEX zo beperkt mogelijk houden met het oog op opbrengstoptimalisatie. Dat kan bijvoorbeeld door 'light design': enkel materiaal gebruiken waar dat nodig is. Om dit vast te stellen, is data uit het werkveld noodzakelijk. Die data helpen ook de onderhoudsstrategie vooruit: van reactief over preventief tot zelfs predictief. Gelukkig beschikken steeds meer systemen over instrumentatie, sensoren ingebouwd of extern gemonteerd. Bovendien zijn die systemen almaar meer verbonden met het internet. Ook databases met contextinformatie (meteo, verkeer …) zijn beschikbaar. Het uiteindelijke doel is om de TCO van een vloot industriële machines te verlagen door inzet van hypermodellen die gebruikmaken van time-series data van sensornetwerken in geconnecteerd industrieel materieel. Obstakels zijn voorlopig wel de streaming, de modellering en de weg naar beslissingsondersteuning.

UITDAGINGEN EN OPPORTUNITEITEN

Vele bedrijven beschikken over een grote vloot van assets. Begrijpen en optimaliseren van het operationele gedrag van dergelijke vloten is cruciaal, maar niet evident. De toepassing van traditionele AI-methodes laat echter nog een groot potentieel onaangeroerd. De mogelijkheden zijn nochtans veelbelovend, meent dr. Elena Tsiporkova van het EluciDATA Innovation Lab van Sirris. Zo kunnen de data en de kennis voor de hele vloot als hefboom dienen (bijvoorbeeld als prestatiebenchmarking), zijn slecht functionerende machines in de vloot te identificeren en zijn samengestelde modellen en simulaties toe te passen. Het extraheren van patronen uit data laat toe om die te benutten voor het voorspellen van toekomstige events en het detecteren van anomalieën. Het probleem is in vele gevallen echter een expliciete datalabelling, wat zich laat verhelpen door middel van fingerprinting en/of surrogate modelling. Schaalbare vlootmodellen construeren kan door gebruik te maken van de hiërarchische structuur van de vloot. Hypermodelling wordt dan gebruikt om het beste van kennisgedreven, datagedreven, individuele en comprehensieve modellen te combineren.

SENSOREN, SYSTEMEN EN SPORT

Dr. Arno Knobbe besprak drie projecten:

• InfraWatch: monitoring van de A6-brug tussen Amsterdam en Almere a.d.h.v. 145 sensoren.
• AssetDrive: data-analyse voor scheepswerven waarbij de verschillende scheepsmodellen worden vergeleken om op vlootniveau te analyseren.
• MASS: data-intensieve optimalisatie van olympische trainingsprogramma's van schaatsers.
  
  
  

 

 

 

 

COGNITIVE COMPUTING

De Belgische dr. Peter Staar - wetenschapper bij het Zurich Lab van IBM - sprak over 'cognitive computing'. Concreet werkt Staar aan manieren om via machinelearning sneller kennis uit bijvoorbeeld PDF-documenten te halen. Dit om de processen achter ontdekkingen en uitvindingen een boost te geven.