Distribuert maskinlæring

Offentlig prosjektsammendrag

Bakgrunnen for prosjektet er å redusere nedetid i vannkraftanlegg som skyldes svikt i sentrale komponenter. En gjennomsnittlig stator veier flere tonn og tar 2-3 år å produsere, så dersom tilstanden ikke kan overvåkes og utskiftning planlegges i god tid risikerer kraftprodusenten å måtte stenge anlegg over lengre tid. Erfarne operatører i kraftanleggene kan gjenkjenne endringer i støybildet fra en enkelt stator og gjennom dette få en indikasjon på at noe er galt. Men de kan ikke beregne resterende levetid, eller anbefale endringer i operasjonelle parametre som kan forlenge levetiden og således sikre drift inntil ny stator er på plass. I tillegg er det begrenset hvor mange operatører som er i stand til å gjenkjenne konkrete endringer i støybildet. Hovedmålet med prosjektet er å utvikle programvare som benytter maskinlæring for å avdekke avvik i lydprofiler fra roterende maskineri i industrien og signalisere økt risiko for feil eller maskinhavari direkte til operatør. Statorer i vannkraftanlegg er spesielt utsatt og vil bli brukt som pilotcase, men programvaren og maskinlæringsalgoritmene vil være overførbare til andre komponenter i vannkraftproduksjon og roterende maskineri i annen industri.