Miljoen voor onderzoek naar beter staal
Leidse informatici ontwikkelen de komende jaren een computersysteem dat industriële productieprocessen kan verbeteren. Zij doen dat samen met andere academici én het bedrijfsleven. NWO stelt ruim een miljoen euro beschikbaar.
Industriële productieprocessen nóg nauwkeuriger beheersen
Hoe kunnen we industriële productieprocessen nóg nauwkeuriger beheersen, te beginnen met staal? Het antwoord op die vraag moet voortvloeien uit een gezamenlijk onderzoek van het Leiden Institute of Advanced Computer Science (LIACS), het Centrum Wiskunde & Informatica (CWI), staalproducent Tata Steel, autofabrikant BMW en databasebedrijf MonetDB. Op 5 maart maakte NWO bekend dat het binnen het onderzoeksprogramma ‘Challenging Big Data’ een miljoen euro beschikbaar stelt voor het onderzoek dat vier jaar zal duren.
Variabelen beïnvloeden kwaliteit
‘Industriële productieprocessen kunnen nauwkeuriger worden aangestuurd’, zegt Jeroen van der Leijé, de relatiemanager, die mede aan de wieg stond van dit project. ‘Er is bij Tata Steel al heel veel bekend over hoe de variabelen in het productieproces samenhangen met de kwaliteit van de rollen staal die de fabriek verlaten’, vervolgt hij. ‘Er zijn sensoren die het productieproces in de gaten houden. Die meten bijvoorbeeld de samenstelling van het ruwe ijzererts, de temperatuur waarop het staal tot platen wordt gewalst, de dikte van het staal en van de beschermende coating laag, etc. Maar de informatie uit de verschillende sensoren wordt vaak nog los van elkaar verwerkt.
Er kan nog een slag gemaakt worden in het inzicht welke elementen in het productieproces leiden tot welke eigenschappen van het eindproduct.’
Algoritmes sporen patronen op in massa's gegevens
De verwachting van dit ‘Big Data’ project is dat het nog preciezer een link zal leggen tussen het productieproces en de eigenschappen van het staal dat de fabriek produceert. Ook voor de verbruikers van het staal is dit van belang. Daarvoor ontwikkelen de onderzoekers van het LIACS algoritmes die patronen kunnen opsporen in grote hoeveelheden gegevens uit de verschillende sensoren. Met die algoritmes doorzoeken ze vervolgens massa’s gegevens die de sensoren in de fabriek van Tata Steel en BMW in het verleden hebben gegenereerd.
Modellen voorspellen variabelen in productieproces
Uit de zoektocht naar patronen worden vervolgens modellen gemaakt die voorspellen welke variabelen in het productieproces leiden tot welke eigenschappen van het eindproduct. Tata Steel zal de voorspellende modellen vervolgens valideren met het productieproces, zodat duidelijk wordt of de modellen de werkelijkheid voldoende goed weergeven.
Algoritmes breed toepasbaar
De algoritmes die het LIACS ontwikkelt zijn volgens Van der Leijé breed toepasbaar. Als andere industriële producenten hun productieproces willen optimaliseren, kunnen zij vergelijkbare algoritmes gebruiken om modellen te destilleren uit de stortvloed aan gegevens uit hun sensoren.
De hoofdonderzoekers van het samenwerkingsverband zijn Prof. Dr. Thomas Bäck van het LIACS, Dr. Stephan Manegold van het CWI, Kees Jonker van Tata Steel, Arnulf Lipp van BMW en Prof. Dr. Martin Kersten van MonetDB.
Over Data Science programma van NWO en Nederlands eScience Center
Twee Technology Area onderzoeksprojecten zijn gehonoreerd voor het programma Data Science van de Nederlandse Organisatie voor Wetenschappelijk Onderzoek en het Nederlands eScience Center. Met een budget van totaal 1,7 miljoen gaan onderzoekers en bedrijven samenwerken aan oplossingen om de innovatie verder te verbeteren op het gebied van Big Data (Data Science).