April 16, 2020

Ny pilotstudie ger möjligheter för forskning, tekniköverföring och innovation inom AI, open data och framtidens fabriker

ESS Control System Data Lab genomförs i samverkan mellan ESS, Lunds universitet, företaget GoalArt och Big Science Sweden. Projektet är finansierat av Vinnova, WASP (Wallenberg Artificial Intelligence, Autonomous Systems and Software Program) och Region Skåne.

– Det kostar mycket att samla in och kvalitetsgranska grunddata. Detta är en uppenbar anledning till att bygga modeller för öppen data och samverkan, säger Per Runesson, professor i Software Engineering, Lunds tekniska högskola.

Målet för pilotstudien är att undersöka hur ESS kan dela med sig av data från styrsystemet och göra den användbar för forskning och innovation även utanför ESS. Nya produkter kan utvecklas och viktig kunskap för framtiden, till exempel runt autonoma fabriker, kan byggas. Förstudien ska studera hur man kan samla in, lagra, hantera och dela data från ESS’ integrerade styrsystem och göra den tillgänglig för externa parter.

Tekniköverföring: Enorm potential i teknikutveckling kring forskningsanläggningarna

De stora forskningsanläggningarnas avancerade styrsystem hanterar enorma datamängder. En vanlig fabrik har idag ungefär 50 000 mätpunkter. Ett stort avancerat mejeri runt 180 000, att jämföra med ESS som har runt 1,6 miljoner mätpunkter som övervakar 100 000 enheter. I en ganska nära framtid kommer en större industri att vara uppe i samma siffror som ESS, och kommer därmed likt forskningsanläggningarna att ha behov av avancerade styrsystem.

Kring ESS och andra forskningsanläggningar pågår en ständig teknikutveckling som kan tillgängliggöras och komma till nytta i industrin och övriga samhället. I en pågående pilotstudie, ESS Control System Data Lab, vill man undersöka hur de stora datamängderna från styrsystemet ESS kan utnyttjas av andra, och hur man kan använda AI och maskininlärning för att köra en fabrik med så många driftstimmar som möjligt, med högsta kvalitet. Ett nyckelproblem i komplexa system är larmhantering och studien kommer att fokusera på larmdata.

Pilotstudien koordineras av Lunds universitet och genomförs i samverkan med ESS, företaget GoalArt och Big Science Sweden. Vinnova, WASP och Region Skåne är finansiärer. Anna Hall, Director Big Science Sweden:
- Vi följer kontinuerligt den teknikutveckling som forskningsanläggningarna genererar, och ser hur den kan användas för att öka konkurrenskraften i svensk och europeisk industri. Tech transfer ligger bakom en rad framgångar inom områden som materialutveckling, medicinteknik, diagnostik och AI. Med ESS Control System Data Lab kommer vi att kunna studera områden som AI, autonoma fabriker, larmhantering och hur en plattform kan se ut, där data från ESS styrsystem görs tillgängliga för andra. Det är en fantastisk möjlighet för Sverige, att vi som ett av ESS tretton medlemsländer får möjlighet att driva denna utveckling.

En plattform för samverkan

Control System Machine Learning (CSML), är ett projekt utformat av Integrated Control System Division på ESS för att driva utveckling inom AI och maskininlärning, med målet att effektivisera driften och förbättra driftsäkerheten anläggningen. Karin Rathsman, acceleratorfysiker på ESS och projektledare för CSML:
- På experimentsidan av många acceleratorbaserade forskningsanläggningar har man använt maskininlärning i årtionden. Nu ska vi få det att spilla över på maskinsidan. ESS är en komplex maskin, och anläggningen hanterar gigantiska mängder styrsystemdata som är intressanta för industrin. Med ESS Control System Data Lab lägger vi grunden för en plattform för samverkan, en modell för hur vi kan dela data, diskutera hantering och uppdatering, testa modeller och algoritmer på ett nytt sätt. Vi kommer att studera var data finns, hur vi sorterar data, vilka standarder vi använder, och hur vi gör data begriplig för andra utifrån. Vi har valt larmhantering för en första pilotstudie. Larmhantering är ett generellt problem. Forskningsanläggningar, oljeplattformar, telecomindustrin – alla har stora komplexa larm- och styrsystem.

Från vänster: Emma Söderberg, LTH, Karin Rathsman, ESS, Martha Dadson, ESS, Jan Eric Larsson, Goalart, Per Runesson, Computer Science LTH, Per Andersson, Goalart och Anna Hall, Big Science Sweden och Industrial Liaison Officer för CERN.

Från vänster: Emma Söderberg, LTH, Karin Rathsman, ESS, Martha Dadson, ESS, Jan Eric Larsson, Goalart, Per Runesson, Computer Science LTH, Per Andersson, Goalart och Anna Hall, Big Science Sweden och Industrial Liaison Officer för CERN.

Jan-Eric Larsson, vd på teknikföretaget GoalArt, resonerar kring hur man kan använda ny teknik inom AI och maskininlärning för att få fram användbara larmalgoritmer.

Jan-Eric Larsson, vd på teknikföretaget GoalArt, resonerar kring hur man kan använda ny teknik inom AI och maskininlärning för att få fram användbara larmalgoritmer.

Hur kan vi använda ny teknik inom AI och maskininlärning för att få fram användbara larmalgoritmer?

ESS är under uppbyggnad och kommer som färdig forskningsanläggning att ha krav på 95 % driftsäkerhet, och på att eventuella fel ska hittas och åtgärdas snabbt. Hur det integrerade styrsystemet fungerar kommer att ha stor inverkan på anläggningens upplevda kvalitet. Teknikföretaget GoalArt som deltar i pilotstudien, tillhandahåller mjukvara för snabb felhantering och ökad säkerhet i styrsystem. Jan-Eric Larsson, vd på GoalArt:

– När man, som ESS, har så många mätpunkter och ska hantera många larm, är risken stor att ett fel skapar följdfel och kaskader av nya larm. Vi vill undersöka hur vi kan använda ny teknik inom AI och maskininlärning för att få fram användbara larmalgoritmer. Vi börjar med att inventera de larmdata som ESS har idag. Var finns datan? Vad betyder den? Hur sker dokumentationen? Vilka metadata skickas med larmet? Tillsammans med ESS och Lunds Tekniska Högskola (LTH) gör vi en vetenskaplig analys av data, kringdata och datahantering.

Det kostar mycket att samla in och kvalitetssäkra grunddata

En förstudie om samverkan kring öppen data för maskininlärning, som genomförts av LTH, utgör en grund för arbetet i ESS Control System Data Lab. En annan grund är tillgången till styrsystemsdata från ESS. Som forskningsanläggning är ESS inte konkurrensutsatt utan kan dela med sig av data. LTH har bland annat studerat hur företag ser på att dela med sig av data och vad man vinner på att bygga en gemensam plattform med öppen data. Per Runesson, professor i Software Engineering, LTH:

– Det kostar mycket att samla in och kvalitetsgranska grunddata. Detta är en uppenbar anledning till att bygga modeller för öppen data och samverkan. Vi är intresserade av att se hur ett sådant koncept kan fungera när det gäller larmdata. Det finns många gemensamma frågor både för forskningsanläggningar och för industrin, och det handlar inte bara om teknik utan i hög grad om andra frågor som skydd och integritet.

Balans mellan att skydda data och nyttiggöra data

I projektet ESSControl System Data Lab kommer man bland annat att se på aspekter som:

  • Licensmodeller, avtal, villkor för att dela källkod
  • Hur man samverkar i ett system där olika aktörer bidrar respektive drar nytta av data
  • Integritetsfrågor – kan öppen data avslöja något som ej bör spridas, t ex hur ESS är uppbyggd?
  • Hur gör man rent tekniskt för att komma åt, dela och lagra data?

Per Runesson, LTH igen:
– Det gäller att hitta en balans mellan att skydda data och att nyttiggöra data för de tjänster vi vill ha. Hur kan vi utnyttja ESS för att främja forskning som kan spilla över till besläktade industriella tillämpningar? Här finns många utmaningar och ESS är en intressant pusselbit i ett omfattande arbete för att hitta lösningar.

Samverkan ger konkurrensfördelar för industrin

Med satsningar som ESS Control System Data Lab påskyndas en utveckling mot ökat utbyte mellan forskningsanläggningar och industrin. Industriproduktion blir alltmer komplex och närmar sig forskningsanläggningarna när det gäller stora mängder styrsystemsdata, sensorer, mätpunkter och styrenheter.

AI, och speciellt maskininlärning, kommer alltmer att kunna utnyttjas för att lösa utmaningar till exempel inom områden relaterade till miljöpåverkan, energieffektivitet och spårbarhet.  I den forskningsmiljö som nu byggs upp med ESS Control System Data Lab etableras samverkan mellan forskning, universitet och industri. Ny kunskap, tillgång till öppen data och avancerade testmiljöer kommer att ge industrin ökade möjligheter att ta fram nya avancerade produkter som kan ge framtida konkurrensfördelar.

 

All news