23948sdkhjf

De börjar använda maskininlärning för att säkra driften

Forskningsanläggningen European spallation source, ESS som är under uppbyggnad i Lund - kommer att använda maskininlärning för att optimera driftsäkerheten.

Genom flera samarbeten med svenska industri- och teknikföretag inom maskininlärning och AI vill ESS bidra till digitalisering och teknikutveckling inom industrin.

- Vi är övertygade om att AI, och i synnerhet maskininlärning, kommer att förändra hur Big Science-anläggningar och industriella processer drivs framöver, säger Karin Rathsman, acceleratorfysiker och projektledare för maskininlärningsprojektet på ESS.

Maskininlärning gör det möjligt för komplexa system att automatiskt lära sig av erfarenhet istället för att behöva programmeras och är ett viktigt verktyg för att uppnå anläggningens högt ställda tillgänglighetsmål och förebygga driftstopp.

Den acceleratorbaserade forskningsanläggningen ESS styrs precis som industriella anläggningar av ett avancerat styrsystem som kontrollerar och hanterar alla anläggningens olika delar och säkerställer driften. ESS integrerade styrsystem har 1,6 miljoner kontrollpunkter som kommer att övervaka 100 000 olika enheter i ett stort antal mer eller mindre avancerade system.

Industriella styrsystem är än så länge mindre komplexa och har betydligt färre kontrollpunkter än ESS, men den pågående digitaliseringen och automatiseringen inom industrin medför att dess styrsystem blir allt mer avancerade.

Därför ökar behovet av maskininlärning även inom industrin på vägen mot framtidens autonoma fabriker. En maskininlärningsmodell kan aldrig fungera bättre än de data den tränas på, och därför behöver industrin tillgång till högkvalitativa systemdata.

ESS kommer att producera stora mängder styrsystemsdata som kan användas för att driva utveckling inom AI och maskininlärning, till gagn för industri och akademi.

I ett maskininlärningsprojekt finansierat av Vinnova har ESS samarbetat med teknikföretaget Dvel för att utveckla maskininlärningsmodeller som kan förutsäga problem under drift, innan komponenter går sönder eller processen stannar  - och implementera dessa algoritmer i styrsystemet. Samarbetet är ett led i utvecklingen mot ett ökat utbyte mellan ESS och industrin. 

- Kunskapsöverföring från ESS och andra forskningsanläggningar har en mycket stor betydelse för teknikutveckling och digitalisering inom svensk och europeisk industri. Samarbetsprojekten inom maskininlärning är ett exempel på hur ESS bidrar till innovation och ökad konkurrenskraft för såväl SMEs som stora företag, säger Anna Hall, director Big science Sweden. 

I en nyligen avslutad pilotstudie har ESS tillsammans med Lunds universitet, Big science Sweden och teknikföretaget Goalart undersökt hur data från anläggningens styrsystem kan delas med externa parter för forskning och innovation inom maskininlärning.

Pilotstudien koordinerades av Lunds universitet och finansierades av svenska innovationsmyndigheten Vinnova, det Wallenberg-finansierade forskningsprogrammet Wallenberg AI, autonomous systems & software, WASP och Region Skåne.

Industriföretagen ABB, Perstorp, Tetra pak och Hitachi samt tyska Big science-anläggningen Desy ingick i pilotstudiens referensgrupp.

- Vi konstaterar i slutrapporten att ESS genom att dela data kan fungera som en katalysator för Industri 4.0 digitalisering, både inom industrin och i andra forskningsanläggningar. Datadelning fyller funktionen att dela kunskap - och vår pilotstudie visar att ESS kan vara ett föredöme och dela data som är relevant för industrin, säger Per Runeson, professor i datavetenskap på Lunds universitet och projektkoordinator. 

Kommentera en artikel
Meddela redaktionen
Utvalda artiklar

Sänd till en kollega

0.079