FleetAId | Collectieve artificiële intelligentie voor datagedreven conditiebewaking van industriële activa

Het project had tot doel een met AI verrijkte onderzoekomgeving te creëren die de exploitatie van gegevens van een machinepark ondersteunt en vergemakkelijkt om de prestaties ervan te maximaliseren. Deze omgeving omvat geavanceerde technologieën voor gegevensverwerking met betrekking tot integratief modelleren, actief leren en leertransfer, die worden toegepast bij root cause analyse en continue prestatiemonitoring, en gevalideerd worden via de ontwikkeling van verschillende industriële prototypes voor fotovoltaïsche toepassingen.

Context 

Tegenwoordig exploiteren en beheren heel wat bedrijven grote groepen complexe industriële activa die van een vergelijkbaar type zijn maar verschillende concrete specificaties hebben. Activa kunnen geografisch verspreid zijn, maar vaak zijn subsets van activa op dezelfde plaats ondergebracht. Voorbeelden zijn fotovoltaïsche (PV) apparatuur in fabrieken, windturbines in windkrachtcentrales, compressoren en pompen in industriële omgevingen, of wagenparken van bedrijven.

Meestal wordt de enorme hoeveelheid gegevens die een dergelijke groep activa genereert, onvoldoende gebruikt. Vaak worden deze gegevens door onderhouds- en servicepersoneel alleen gebruikt voor reactief onderhoud. Sommige belangrijke gebruikersbedrijven zijn onlangs overgeschakeld naar proactief onderhoud, maar zelfs in deze gevallen gebeurt de analyse op het niveau van de individuele machine. Dit laat een groot potentieel aan onbenutte exploitatiemogelijkheden van de activapool open: traditionele AI-methodes maken geen gebruik van belangrijke intrinsieke kenmerken die samenhangen met het collectieve aspect van deze activa, bv. de immense rijkdom aan gegevens die voortvloeit uit de inherente heterogeniteit van een activapool en de prioritering tussen de verschillende componenten in activa en de verschillende activa in een activapool.

In deze context had FleetAId tot doel een AI-verrijkte onderzoekomgeving te creëren die de semi-automatische exploitatie van collectieve gegevens ondersteunt en vergemakkelijkt voor het maximaliseren van de prestaties van grote en heterogene activapools van complexe industriële activa in bedrijf. De gerealiseerde AI-technologieën werden gedemonstreerd via de ontwikkeling van verscheidene industriële prototypes voor fotovoltaïsche toepassingen.

Doelstelling en resultaten

FleetAId demonstreerde de ontwikkelde AI-functionaliteiten via de ontwikkeling van verschillende industriële prototypes voor fotovoltaïsche toepassingen via drie concrete uitdagingen in commerciële fotovoltaïsche installaties: 

1. geoptimaliseerde ontwerpkeuzes op basis van contextgevoelige (activa, installatie, omgeving) prestatiebenchmarking binnen de activapools, 
2. verlaging van de bedrijfskosten via betrouwbare automatische detectie van degradatie en componentfouten, en 
3. betrouwbare automatische root cause diagnose.

Financiering

• Financierende instantie: Innoviris (logo Innoviris, Brussels Hoofdstedelijk Gewest en Shifting Economy).
• Modaliteit: Team Up (oproep Artificial Intelligence, Innoviris) 

Dit project werd medegefinancierd door het Brussels Hoofdstedelijk Gewest. Innoviris is de publieke organisatie die onderzoek en innovatie financiert en begeleidt in het Brussels Hoofdstedelijk Gewest.