We hebben er allemaal last van: betalingsapps die niet werken, websites die platliggen of software die niet meewerkt. Vaak gewoon irritant, maar voor bedrijven is downtime een enorme kostenpost waarvan de rekening in de miljoenen kan lopen. Sommige storingen kunnen zich als een olievlek verspreiden: Dat zagen we bijvoorbeeld bij de stroomstoring in Flevoland: door een niet werkende zekering, kon er kortsluiting optreden. Vervolgens ontstond er brand, reden treinen niet en konden sluizen niet functioneren.
Om dit soort problemen te voorkomen werken de Universiteit Twente, Hogeschool Saxion, TNO-ESI en de Vrije Universiteit Amsterdam samen. Ze werken aan de inzet van kunstmatige intelligentie om storingen beter te voorspellen en te voorkomen. Zij hebben drie miljoen euro onderzoekssubsidie gekregen voor het project ZORRO (Engineering for Zero Downtime in Cyber-Physical Systems via Intelligent Diagnostics).
ZORRO is uniek omdat we ons op het systeem als geheel richten, en niet op individuele componenten”, legt Mariëlle Stoelinga, hoogleraar Risk Management for High-tech system bij de Universiteit Twente, uit. “Dit maakt het complex: binnen een systeem hebben de componenten allerlei complexe interacties en afhankelijkheden. Om daarvoor diagnostiek te ontwikkelen dat is de uitdaging. We willen bijvoorbeeld efficiënte monitoringssystemen ontwikkelen door slimme combinaties van sensoren. Een ander werkpakket in het project richt zich op het koppelen van domeinkennis aan data-gedreven algoritmen. Hiervoor ontwikkelen we nieuwe diagnostische modellen en integreren we deze in het ontwikkeltraject voor hightech systemen.”
Het ZORRO-project werkt aan diagnostische methoden voor hightech systemen, zoals MRI-scanners en printers. Door hun gedrag continu te monitoren met geschikte sensoren, kunnen algoritmen uit de AI afwijkende patronen in de sensorsignalen opsporen en deze relateren aan hun grondoorzaken. Passende maatregelen, zoals vervanging of reparatie, kunnen dan tijdig genomen worden om storingen voorkomen.
