Mahesh Kumbhar

Prediktivt underhåll är ett av de viktigaste områdena för många globala tillverkningsföretag. Artificiell intelligens, analys av ”big data” och industriell internet-of-things (IoT) har redan visat stor potential inom underhållsområdet. Eftersom fler företag använder sig av denna teknik har dock flera viktiga utmaningar uppstått som hindrar framstegen mot fullständig digitalisering av underhåll.

Det finns oändliga möjligheter till förbättringar med hjälp av de data som samlas in under en produktionsdag. Man behöver bara hitta ett sätt att tolka dessa data. TOPAZ syftar till att undersöka hur en kombination av datautvinning, maskininlärning och optimering kan underlätta för tillverkningsföretagen. Detta kommer att ske genom omvandling av heterogena data hämtade från olika källor, potentiellt från olika delar av värdekedjan, till preskriptiva åtgärder som stödjer långsiktiga mål i form av lönsamhet, hållbarhet och stabilitet.