Automatisk identifikation av process- och givarfel

För att få en robust och resurseffektiv drift av industriella processer, är det viktigt att tidigt kunna upptäcka onormala processlägen och felaktiga givare. I detta projekt utvärderas och valideras feldetektionsmetoder på processdata för att automatiskt identifiera givar- och processfel.

Ny IT-teknik och den pågående digitaliseringen gör det möjligt att integrera stora mängder data (big data) och att använda multivariata analysmetoder som exempelvis machine learning, för att detektera process- och givaravvikelser.

Idag är dock klyftan stor mellan forskningsfronten för dataanalysmetoder och den tekniska höjden på de metoder som tillämpas i industrin. En viktig anledning till denna kunskapsklyfta är att IT-miljöerna för att utveckla avancerade analysmetoder skiljer sig från de begränsade möjligheterna till programmering av nya funktioner som finns i industrin. Det finns alltså ett behov av att utveckla och utvärdera avancerade dataanalysmetoder som använder big data under verkliga förutsättningar.

I detta projekt ska ett förslag på ett flexibelt mjukvaruramverk tas fram, som möjliggör en iterativ process för utveckling och utvärdering av feldetektionsmetoder i fullskala. Detektionsmetoder som tagits fram i tidigare projekt* samt multivariat processövervakning ska valideras och utvärderas. Metoderna gör det möjligt att använda information från spridda datakällor, såsom energimätning, affärssystem och underhållssystem, för att beräkna nyckeltal i realtid, massbalanser och processmodeller. I detta projekt kommer dock processövervakning och feldetektion av givare att vara målet.

* Övervakning och feldetektion på svenska reningsverk

Fakta om projektet

Automatisk identifikation av process- och givarfel

  • Period: 2016/09-2017/04 
  • Budget: 403 000 SEK

Samarbetspartners
SP, Borealis och Perstorp


Nyhetsbrev

Ta del av det senaste när det gäller forskningsresultat, nya projekt och andra aktuella frågor. Vi skickar dig en uppdatering om det viktigaste som hänt, ungefär en gång i månaden.


När du blir prenumerant godkänner du även vår integritetspolicy.