Innováció

Kísérlet mesterséges intelligencia felhasználásával öntanuló energetikai adatelemző informatikai megoldás létrehozására

Előzmények: Az egészségügyi intézményekben is, mint az ipari és kereskedelmi szektorban is, fontos kérdés az energiafogyasztás pontos és állandó követése (monitoringja). A „nagyfogyasztó” berendezésekre (pl. képalkotó diagnosztika) vonatkozóan törvényi előírás az almérés üzemeltetése. Az energia-költségek megugrása miatt a legtöbb kórházi művelet jelentősebb költségelemévé vált ez a tétel. A mérési adatok elemzésére nincs elegendő szakmailag kompetens munkaerő. Az energetikus átlagosan csak havi 2 alkalommal tud ránézni a grafikonokra. A diagrammok elemzéséhez jelenleg szükség van a gyakorlott emberi szemre és energetikusi tapasztalatra, mert sok esetben - több, különböző működési periódusú fogyasztó van egy-egy mért áramkörön. - a hibák hatása nem lépi át az egyszerűen beállítható limiteket - egy hiba típusa szerint lehet mérték-, tendencia-, periódus-, adatminőségi-, és sok más is A projekt célja: Állandó (0-24h 365 napos) elemző és figyelmeztető szoftver létrehozása, mely öntanuló mesterséges intelligencia támogatással fog üzemelni. A rendellenes működést kiszűri, és figyelmezteti a megfelelő intézkedésekre az illetékeseket (karbantartók, energetikusok, cégvezetők). Az AI segíthet az energiahatékony intézkedések tervezésében és optimalizálásában. Algoritmusok segítségével modellezhetjük az energiafelhasználást, és javaslatokat tehetünk azokra a területekre, ahol hatékonyabb lehet az energiahasználat. Például az adatok elemzése alapján javasolhatunk időzített világítást, hőmérséklet-szabályozást, vagy akár az energiafogyasztás csúcsidőszakokban történő csökkentését. Emellett az AI segíthet az eszközök és berendezések karbantartásában is, előrejelzéseket adva a lehetséges hibákra vagy az elavult rendszerek cseréjére. Ezenkívül a folyamatos monitorozás révén az AI azonnal észlelheti az energiahatékonyságot érintő változásokat, lehetővé téve a gyors reagálást és a további optimalizációt. A fejlesztés folyamata: Különböző méretű és tevékenységű ipari termelő és kereskedelmi vállalkozásoknál mért historikus adatok összegyűjtése egymással konkurens piaci szereplők összefogásával. A monitoring diagrammok alapján rendellenes helyzetek azonosítása, azok osztályozása, intézkedési-megoldások meghatározása, figyelmeztető rendszerek kidolgozása. Mindezekre gépi tanuló algoritmusok (mesterséges intelligencia) kidolgozása, majd ezek applikációba csomagolása a teljesen automatizált működés végett. A szoftver tesztelése és továbbfejlesztése a mesterséges intelligencia folyamatos és automatizált tanulásával. A várható eredmény felhasználhatósága: Minden ágazatban: - a felesleges fogyasztások megszüntetése - berendezések energiahatékonyabb működésének elősegítése - épületek energiahatékonyságának növelése - karbantartás tervezhetősége és költségeinek csökkentése Egészségügyben: - műtétek és egyéb kórházi műveletek energiaköltségének mérhetősége, és így optimalizálásának lehetősége - nagy teljesítményű berendezések (CT, MRI, röntgen gépek) energiahatékony szabályozása, működésük folyamatos monitorozása, meghibásodásuk korai felismerése - Laboratóriumi berendezések, az orvosi képalkotáshoz tartozó és nagy mennyiségű adatot kezelő szerverek biztonságos működése Ipari termelésben: - üresjáratok és mellékidők csökkentése - termelési folyamatok optimalizálása, javítása - humán erőforrások hatékonyabb felhasználása - selejthányad csökkentése - munkafolyamatok gyorsítása Miért kérünk hozzá támogatást? A monitoring piac szereplői jellemzően mikrovállalkozások, akik külső támogatás nélkül nem tudnak erre a feladatra energetikusi és szoftver-fejlesztői kapacitást allokálni. A projektben résztvevő szereplők: energetikusok, szoftver-fejlesztők, méréstechnikusok, szerelők (víz-, gáz-, villany-) A projekt végrehajtásának szervezeti formája: Projektvezető felelős Alvállalkozók (energetikai tanácsadók, programozók, AI-szakértők) Development to create a self-learning energy data analysis IT solution using artificial intelligence

Development to create a self-learning energy data analysis IT solution using artificial intelligence

History: Accurate and constant monitoring of energy consumption is an important issue in healthcare institutions as well as in the industrial and commercial sectors. For "high-consumption" equipment (e.g. imaging diagnostics), the operation of submetering is a legal requirement. Due to the increase in energy costs, this item has become a major cost element for most hospital operations. At the moment there is not enough professionally competent workforce to analyze the measurement data. On average, the energy expert can only look at the graphs 1-2 times a month. Analyzing charts currently requires a trained human eye and energetic experience, because in many cases - there are several consumers with different operating periods on the measured circuit. - the impact of errors does not exceed simply setable limits - according to the type of error, it can be measure-, trend-, period-, data quality-, and many others The purpose of the project: Creation of permanent (0-24h 365 days) analysis and warning software, which will operate with self-learning artificial intelligence support. It filters out abnormal operation and warns the relevant managers (maintenance engineers, energy engineers, company managers) about the appropriate interventions. AI can help you plan and optimize energy-efficient measures. With the help of algorithms, we can model energy use and make recommendations for areas where energy use can be more efficient. For example, based on data analysis, we can recommend timed lighting, temperature control, or even reducing energy consumption during peak periods. In addition, AI can also help in the maintenance of devices and equipment, providing predictions about possible failures or replacing outdated systems. In addition, through continuous monitoring, AI can immediately detect changes in energy efficiency, enabling rapid response and further optimization. The process of development: Collection of historical data measured at industrial production and commercial enterprises of different sizes and activities by joining forces with competing market players. Based on the monitoring diagrams, identification of abnormal situations, their classification, determination of measures and solutions, development of warning systems. Development of machine learning algorithms (artificial intelligence) for all of this, then packaging them into an application for fully automated operation. Testing and further development of the software with continuous and automated learning of artificial intelligence. Usability of the expected result: In all sectors: - elimination of unnecessary consumptions - promoting more energy-efficient operation of equipment - increasing the energy efficiency of buildings - maintenance can be planned and costs reduced In healthcare sector: - the ability to measure the energy costs of surgeries and other hospital operations, and possibility to optimize them - energy-efficient control of high-performance equipment (CT, MRI, X-ray machines), continuous monitoring of their operation, early detection of malfunctions - safe operation of laboratory equipment, medical imaging and servers handling large amounts of data In industrial production: - reduction of idle times and spare times - optimization and improvement of production processes - more efficient use of human resources - reduces the scrap rate - speeding up work processes Why are we asking support for it? The players in the monitoring market are typically micro-enterprises that cannot allocate energy-experts and software development capacity for this task without external support. Actors participating in the project: energy experts, software developers, measurement technicians, mechanics (water, gas, electricity -) Organizational form of project implementation: Responsible project manage Subcontractors (energy consultants, programmers, AI experts)