Het eerste scenario, anomalie detectie, richt zich op het monitoren van industriële processen om afwijkende objecten of gebeurtenissen te kunnen detecteren en in te grijpen voor er een defect of obstructie optreedt. Hiervoor is onder andere vereist dat bestaande (of nieuwe) sensoren een hogere sampling rate hebben. Nu wordt vaak met relatief ruime intervallen de status van een proces of machine doorgestuurd naar de controlekamer. Om kort op de bal te spelen zal deze frequentie omhoog moeten (hoger dan 50KHz). En dit binnen de bestaande grenzen van het energiebudget of andere kritische parameters van het systeem.
De opgedane kennis zal niet alleen toepasbaar zijn in industriële scenario’s als predictive maintenance, maar ook in aanverwante sectoren als healthcare en wearables, beveiliging etc.
De tweede case, closed loop controle, focust op het aanpassen van controle-parameters van industriële machines en robots op basis van real-time parameters. Bijvoorbeeld om mogelijk te maken dat mensen eenvoudiger kunnen werken in de buurt van dergelijke robots. Nu staan ze vaak in een veiligheidskooi die de robot uitschakelt zodra iemand de kooi opent. Om dit scenario mogelijk te maken, is verdere ontwikkeling nodig van bijvoorbeeld de camera en Lidar infrastructuur waarmee robots hun omgeving in kaart kunnen brengen. Alsook op algoritmes die zonder vertraging (low latency) kunnen reageren op aanpassingen in hun omgeving. Dit moet typisch sneller dan 10 milliseconden en kan om die reden niet in de cloud gebeuren.
De technologie uit deze use-case zal behalve in het vooropgestelde scenario ook kunnen ingezet worden in sectoren als slimme kruispunten, augmented-reality (AR) ondersteund onderhoud etc.
Sterk verwant is ook de derde proof-of-concept die imec zal uitwerken: het detecteren en tracken van operatoren. En dan met name in omgevingen waar mens en machine met elkaar samenwerken, bijvoorbeeld flexibele assemblagelijnen. In vergelijking met de tweede use case, waar ze naast elkaar werken, vraagt dergelijke samenwerking een nog meer verregaande ontwikkeling van de sensoromgeving om de bewegingen van mens en machine op elkaar af te stemmen. Ook sensorfusie, het combineren van gegevens van meerdere bronnen om tot een accurater beeld te komen van de werkelijkheid, komt dan in toenemende mate om de hoek kijken. En dit alles binnen de grenzen van de beschikbare bandbreedte om data te versturen en te verwerken.
Inzichten die niet alleen nuttig zijn voor mens-machine interacties, maar ook bijvoorbeeld om voetgangers te tracken op kruispunten, klanten in winkels, medewerkers en (zelfrijdende) voertuigen in logistieke centra etc.
Om dit alles, en mogelijk nog meer, tot een goed einde te brengen, kan imec rekenen op de samenwerking met de partners in het AI-impulsprogramma zoals de Universiteit Gent, Universiteit Antwerpen, Flanders Make en KU Leuven.
Meer weten?
- Lees meer over de uitdagingen op het vlak van edge AI in imec magazine van september 2018: Artificiële intelligentie op maat van het IoT.
Professor Rudy Lauwereins is bij imec vice-president en verantwoordelijk voor digitale en gebruikersgerichte oplossingen. Zijn afdeling werkt op beveiliging, connectiviteit, beeldverwerking, sensor fusion, machine learning, data-analyse, en het op elkaar afstemmen van technologie en maatschappij. Rudi is ook directeur van imec.academy, een rol waarin hij de interne en externe trainingsprogramma’s van imec coördineert. Rudy Lauwereins is professor aan de KU Leuven en heeft als auteur of mede-auteur meer de 400 peer-reviewed publicaties op zijn naam.
Gepubliceerd op:
10 mei 2019
