ADAV - Automatisk datavalidering av processindustriella datamängder

Syfte och mål

Genomförbarhetsstudien har haft för avsikt att analysera potentialen i att använda framväxande multivariata tekniker för att automatiskt validera kvalité och integritet i insamlad datamängd innan den används som beslutsunderlag. Studien visar potential för minskade kostnader inom vardera stålindustrin och Bio Process i storleksordningen ~500 MSEK/år. Resultatet från studien ligger till grund för en ansökan (Diarienummer: 201802212) om en fortsättning via ett litet FUI-projekt inom ramen för SIP PiiA Utlysning våren 2018.

Resultat och förväntade effekter

Projektet har undersökt, kvantifierat och beskrivit värdet av idén genom konkreta beräkningsexempel. Olika tekniker för avvikelsedetektering har undersökts och ett autoassociativt neuralt nätverk bedöms vara av särskilt intresse och potential. Dels för att metodens krav på träningsdata passar väl med en industriell datamängd och dels för att metoden kan ge viss inblick i vilken/vilka processdata som ligger till grund för den detekterade avvikelsen. Projektets parter bedömer resultatet för genomförbarhet och värdeskapande hos idén som hög.

Upplägg och genomförande

Erasteel Kloster AB och GE Healthcare Bio-Sciences AB har analyserat idéns potential för värdeskapande i respektive verksamhet. Sprymer AB har agerat koordinator i projektet samt utvärderat olika teknologier för avvikelsedetektering i relation till idén och genomförbarheten i att applicera dessa i industriella miljöer. För ökad samverkan har parterna för träffats för diskussioner vid projektmöten som ägt rum både hos parter och via internet.