Regio Zuid | Haalbaarheidsstudie ontwikkeling storings- en onderhoudsprognosesystemen

In steeds meer gebouwbeheersystemen en infrastructuursystemen worden sensoren toegepast dieverschillende aspecten van het functioneren van deze systemen meten. Dit levert een rijke bron aan datadie in veel gevallen niet optimaal wordt benut. Een grote kans en uitdaging is gelegen in het benuttenvan deze data voor het voorspellen van het toekomstig functioneren van een systeem/installatie. Ditbetekent dat storingen in systemen met een bepaalde zekerheid kunnen worden voorspeld en eenoptimale onderhoudsstrategie (condition-based en predictive maintenance) kan worden bepaald.Conventionele systemen maken veelal gebruik van statistiek voor het bepalen van deonderhoudsstrategie op basis van zogenaamde RAM-analyses (aangaande Reliability, Availability andMaintainability). Dan gaat het over slijtage en levensduur van onderdelen en richtlijnen over wanneeronderdelen stuk gaan. De onderhoudsplanning is daarmee statisch. In dit project wordt de haalbaarheidvan de ontwikkeling van storings- en onderhoudsprognosesystemen voor gebouwbeheersystemen eninfrastructuursystemen onderzocht. Meer specifiek valt te denken aan roltrapsystemen,verwarmingssystemen, brandveiligheidsinstallaties, etc. Het conceptidee is dat met artificiële neuralenetwerken storingen voorspeld kunnen worden op basis van historische data en dat deze voorspellingeninvoer zijn voor genetische algoritmes die een optimale onderhoudsstrategie bepalen aan de hand vanvergelijking met actuele data. Door gebruik te maken van machine-learning technologie wordt verwachtdat tot een dynamische onderhoudsstrategie kan worden gekomen waarmee kosten en uitvaltijdgeminimaliseerd worden. Dit komt ten goede aan de levenscyclus (duurzaamheid), beschikbaarheid enonderhoudbaarheid van installatiesystemen.