Tilbake til søkeresultatene

IKTPLUSS-IKT og digital innovasjon

ECSEL-project DAIS, Distributed Artificial Intelligence Systems

Alternativ tittel: ECSEL-prosjekt DAIS, Systemer for Distribuert Kunstig Intelligens

Tildelt: kr 9,6 mill.

De Oslo-baserte partnerne Jotne EPM Technology, Step Solutions og Expert Analytics deltar i en 3-årig paneuropeisk satsing for å utvikle neste generasjons smarte løsninger for kunstig intelligens (AI). Sammen med sterke europeiske samarbeidspartnere skal Jotne EPMT, Step Solutions og Expert Analytics utvikle nye industrielle løsninger som flytter kunstig intelligens nærmere produksjonsprosessene - det neste store steget for implementering av Industri 4.0. Dette er spesielt viktig for fjerntliggende anlegg (f.eks. vannkraft, skipsfart, offshore og transport) med begrenset tilgang til datakommunikasjon. Som en del av EU-prosjektet Distributed Artificial Intelligent Systems - DAIS har de norske partnerne hovedansvaret for utvikling og gjennomføring av en industriell demonstrasjon rettet mot overvåking av helsetilstand for systemer innen vannkraftproduksjon. DAIS-Prosjektet har et overordnet mål om å styrke Europas posisjon innen distribuert kunstig intelligens og dekker alle aspekter fra sensorer, kontrollsystemer, analyse og kommunikasjon til sikkerhet, smarte datalagringsmetoder og feedback-systemer. Det er et omfattende prosjekt som involverer 47 aktører fordelt på 11 europeiske land med en investeringsramme på 360 millioner NOK. Hovedfokus for partnerene har vært å identifisere spesifikke krav for DAIS som helhet, og for hver enkelt brukseksempel.

The DAIS project aims to strengthen Europe's position within distributed artificial intelligence (AI). At the present, data analysis mainly takes place in cloud-based systems and thus at a separate location to where the data is produced and collected. This leads to AI being applied outside of the systems it is meant to improve. The solution is to place AI at the level where the data is generated, such that analysis, support for deciscions and process control takes place as close as possible to the monitored activity. The impact of this is that processes can be improved locally, automatically and in real time. Depending on the state of the market, this can have a disruptive effect and be a major competitional advantage if applied. The technology shall be based on open standards and be developed within the framework of existing industrial requirements both for hardware and software. The Norwegian use case will collect, process and analyze audio data from a running water turbine in order to optimize start-stop cycling of the machinery. The analysis will be done by AI connecting to a product lifecycle management software framework. The output from the analysis will be fed back to hardware connected to the system in order to facilitate optimized regulation.

Budsjettformål:

IKTPLUSS-IKT og digital innovasjon