DVel´s AI-resa

Viktiga resultat som projektet gav

Genom ett nära samarbete med ESS, har projektet arbetat mot implementering av ML-algoritmer i det integrerade kontrollsystemet på ESS. Detta har uppfyllts genom utbildning inom EPICS, som är en uppsättning programvaruverktyg och applikationer som används för att utveckla och implementera distribuerade styrsystem för forskningsanläggningar och industri.

Långsiktiga effekter som förväntas

Projektet resulterade i att DVel har fått ökad kunskap inom maskininlärning (ML) och en verktygslåda för att applicera ML hos våra kunder. Vi ser att intresset är fortsatt stort från våra kunder att börja använda AI och vi kan nu bemöta dem på ett bättre sätt när vi fått möjlighet att se vilka resultat ML kan ge. Vi har nu referens-projekt och resultat som vi kan visa. ML kan skapa mervärde för våra kunder genom att t.ex. kunna prediktera vilket underhåll som krävs för att maximera tiden som processer hålls levande. Vi kan, mha ML, leverera insikter som stärker våra kunders konkurrenskraft.

Upplägg och genomförande

Projektet använde biblioteken Tensorflow och Keras i Python för att bygga olika neurala nätverk och för att träna ML modellerna. Exempelvis användes LSTM, LSTM-FCN och CNN. Data från ESS förbehandlades i Python för att göra den redo för ML-träning. Vi simulerade ett processförlopp i EPICS med hjälp av, för modellen okänd, data från ESS. PYEPICS användes för integration av Python i EPICS-miljön. På så vis kunde vi prediktera framtida alarm innan de skett.