Onze samenleving is steeds afhankelijker van moderne complexe software- en hardwaresystemen, variërend van microchipproductielijnen en geautomatiseerde magazijnen tot ziekenhuissystemen en ons energienet. De kosten van het uitvallen van dergelijke systemen kunnen enorm oplopen, tot miljoenen euro's per uur voor grote procesinstallaties (link). Een duidelijke prioriteit voor de toepassing van AI in de technische industrie is daarom intelligente diagnostiek voor betere betrouwbaarheid en voor het onderhoud van complexe ‘cyber physical’ systemen. Aangezien falende systemen duur en risicovol zijn, moeten ze zo snel mogelijk weer volledig operationeel worden gemaakt, waarvoor gespecialiseerd en goed opgeleid personeel nodig is. De beschikbaarheid van dergelijk personeel is een uitdaging op zich (link). Voor een snelle reparatie zijn intelligente diagnose- en onderhoudstechnieken vereist, voor de analyse van de oorzaak van storingen en voor begeleiding van servicemonteurs.
Dit project maakt gebruik van de kracht van AI om de beschikbaarheid van systemen te vergroten, de afhankelijkheid van goed opgeleide en ervaren servicemonteurs te verminderen, terwijl tegelijkertijd de cost-of-ownership wordt verlaagd en er wordt bijgedragen aan CO2-reductie en duurzaamheid. Het project dient als opstap naar de volgende uitdaging om te komen tot ‘proactive/predictive maintenance’. Dit project realiseert twee deliverables:
Intelligent Diagnostics is een AI-toepassing die de beschikbare systeemontwerpinformatie, zoals systeemfunctionaliteit, systeemdecomposities en prestatie-indicatoren hergebruikt en vertaalt naar diagnostische modellen. In combinatie met data-gebaseerde algoritmen wordt de waarschijnlijkheid bepaald dat er een specifieke componentstoring is opgetreden. Deze aanpak maakt gebruik van probabilistische redeneertechnieken om met kansen en onzekerheden om te gaan.
In het ketenproject worden use cases uit meerdere domeinen ingezet. De eerste use case is van ASML, VDL-ETG en Neways, in een tweede fase van het project wordt dit uitgebreid met andere use cases in diverse domeinen en bedrijfsprofielen (grote bedrijven en MKB) over heel Nederland. De uitvoering van dit project wordt gedaan door de Embedded Systems Innovation group (TNO-ESI) als penvoerder in samenwerking met de werkgroep Technische Industrie van de Nederlandse AI Coalitie en alle AI-hubs. Vertaling van de resultaten naar de praktijk van de technische industrie en voor het maken van educatief materiaal vindt via een nog te ontwikkelen learning community plaats.