Badanie skuteczności algorytmów samouczących dla inteligentnych systemów monitorowania i diagnostyki maszyn
Przedmiotem projektu jest opracowanie technologii, które umożliwią samouczenie się systemów monitorowania i diagnostyki maszyn. Na podstawie analizy zapotrzebowania rynku stwierdzono, iż obecnie istnieje wyraźne zapotrzebowanie na samouczenie się systemów w obszarze detekcji anomalii oraz w procesie konfiguracji systemu, gdyż te dwie czynności w ramach obsługi systemów monitorowania i diagnostyki maszyn są wyjątkowo pracochłonne i kosztowne, przez co często stanowią barierę dla wdrożenia. Z drugiej strony, brak wystarczającej uwagi w analizie danych lub w konfiguracji systemu, np. podczas ustawiania progów alarmowych, często obniża efektywność systemu, znacznie poniżej oczekiwań. W projekcie zostanie zbadana rzeczywista przydatność różnych metod znanych ogólnie jako "Data Science" ze szczególnym uwzględnieniem metod uczenia maszynowego. Opracowane algorytmy zostaną następnie zaadoptowane do implementacji w środowiskach wbudowanych, a w przypadku urządzeń bezprzewodowych, dodatkowo zoptymalizowane pod względem zużycia energii. Jednym z najbardziej pracochłonnych zadań będzie badanie efektywności wykonywania poszczególnych etapów samouczenia na kolejnych poziomach systemu, tj. zasadności wykonywania kolejnych zadań systemu na przetworniku, na bramie sieciowej, na jednostce akwizycji oraz w jednostce centralnej, np. w chmurze. Moduły samouczące w systemach monitorowania są obecnie najbardziej pożądane przez duże koncerny energetyczne i petrochemiczne ze względu na potrzebę oceny stanu technicznego setek, bądź nawet tysięcy podzespołów przy jednoczesnym wymaganiu minimalnego nakładu pracy na skonfigurowanie oraz obsługę systemu. Dzięki wieloletniemu doświadczeniu w zakresie projektowania i wdrażania systemów monitorowania i diagnostyki maszyn w kraju i za granicą, Lider posiada rozległą wie
Your project description
To add a photo, description, specify a location or attach other materials about the project, you should fill out the form below. After clicking the “send” button, a message will be sent to you e-mail asking for confirmation. You must accept to submit the form. The EU Dot Map Guidelines and consent to the processing of personal data. materials will be sent to the editor of the site, who will publish it on the website after verification test.