2025-03-01 00:00
Innovatív együttműködés: az SKF és a Luleå Egyetem generatív mesterséges intelligencia alapú rendszert fejleszt a gépek megbízható működésének támogatására. Az AI most már rezgés-, hő- és teljesítményadatokat is elemez, csökkenti a téves riasztásokat, és virtuális asszisztensként segíti az elemzőket. A jövő most épül a gyárakban.
Az SKF és a svédországi Luleå Műszaki Egyetem (Luleå University of Technology) közös kutatása generatív MI-t (generative AI) alkalmaz a nagy ipari gépek megbízhatóságának javítására.
Hogyan működik a rendszer?
A hagyományos állapotfelügyeleti technológiák (vibration, temperature, power) mellett az AI elemzi az adatokat és előre jelzi a potenciális hibákat.
Probléma: a rezgés- és egyéb jelek feldolgozása ipari környezetben bonyolult, és komoly szakértelmet igényel – mint ahogy azt Karl Löwenmark doktori jelölt is hangsúlyozza.
Löwenmark célja, hogy az MI által csökkentse az emberi szakértők terhelését: kevesebb hibás riasztás, gyorsabb diagnózis, hatékonyabb termelés.
Dual Framework: speciális modellek és rendszerszintű AI
A projekt célja olyan dupla-bevezetéses („dual supervision”) AI-modellek kifejlesztése, amelyek egyszerre dolgoznak szöveges és jeladatokon:
Analitikai riportokat és terminológiát használ az automatizált elemzéshez
Jelképeket, mintavételi sorokat és historikus trendeket kapcsol össze a diagnózis támogatásához.
Első sikerek és további fejlesztések
Az első demonstrációk során az AI már felismeri a szenzor vagy kábelhibákat — ezeket egyértelműen izolálja, így az emberi elemző csak ellenőrizni és megerősíteni tudja a diagnózist.
Továbbfejlesztett változatoknál az elemző beírja a problémát, az AI visszahoz hasonló eseményeket (adatmintákkal együtt), javaslatokat ad és kollégára irányít.
A jelenleg fejlesztés alatt álló verzió virtuális MI-asszisztensként működik majd: Chat‑felületen fog válaszolni a operátori kérdésekre, javaslatokat ad, adatokat elemez és előrejelzéseket készít.
Gyakorlati jelentőség és jövő
A munka 2020-ban indult, és már most jelentős lépést jelent a gépüzem megbízhatóságának javításában.
Bár a keretrendszer alkalmazható más iparági installációknál is, mindig szükség lesz az adott rendszerhez adaptálásra — például saját adatokkal való tréningre és felhasználói visszajelzésekre.
Jelenleg folyik egyeztetés az SKF és ipari partnerei között arról, hogyan lehet ezt a technológiát széles körben alkalmazni.
Támogatók és kutatási projekt résztvevői:
Luleå University of Technology (Svédország)
SKF (borító szereplőként)
Papíripari nagyvállalatok: SCA Munksund és Smurfit Kappa Piteå
A támogatók között szerepel a PiIA – Process industrial IT and Automation innovációs program, amelyet a Vinnova, Formas és Swedish Energy Agency is támogat.
Ezért fontos ez az iparban
Hatékonyabb karbantartás neuronális előrejelzéssel – kevesebb leállás, kevesebb piaci kiesés.
Alkalmazott AI ipari környezetben – nem vagyunk már csak laboratóriumi példák, hanem valós bevetésben is működő rendszerekről beszélünk.
Erőforrás-felszabadító technológia – az emberi szakértők értékteremtőbb feladatokra koncentrálhatnak.
Skálázhatóság más ipari területeken is – más gépegységek, ipari folyamatok AI-alapon történő felügyelete is megvalósítható, írja az SKF.