CORRELATE
/CORRELATE

CORRELATE

Energiebewuste optimalisatie van het gedrag van industriële IoT-systemen.

smart_industry

CORRELATE wil via samenwerking en innovatie industriële IoT-systemen efficiënter en duurzamer maken. Dat gebeurt via contextbewuste energiemonitoring, detectie- en datasturing, automatische configuratie van machine learning en een slimme feedbacklus.

Duurzame IoT: een strategische noodzaak

Naarmate de maakindustrie versneld digitaliseert, worden industriële IoT (IIoT)-systemen op basis van draadloze sensoren en actuatoren steeds belangrijker voor het monitoren en aansturen van installaties. Deze apparaten werken vaak op batterijen, supercondensatoren of via energieopwekking. Hun toenemende energieverbruik vormt echter een groeiende ecologische en economische uitdaging.

Om zowel duurzaam als kostenefficiënt te kunnen opereren, is het essentieel om energiebewuste embedded systemen te ontwikkelen voor écht draadloze IIoT-toepassingen. Dit vereist hardware en software die het energieverbruik optimaliseren, onder meer via gedistribueerde computing.

Het CORRELATE-project speelt in op deze uitdaging door het energieverbruik te minimaliseren via slimme activatie van apparaten, efficiënte dataverzameling en het strategisch inzetten van machine learning-modellen.

De belangrijkste obstakels opruimen voor energie-efficiënte IIoT

Het CORRELATE-project richt zich op drie grote uitdagingen die energie-efficiënte monitoring en sturing binnen industriële IoT-systemen hinderen:

  • Inefficiënte datatransfer: In plaats van volledige datastromen te verzenden, kan ook enkel relevante informatie doorgestuurd worden. Zo kan bijvoorbeeld het frequentiebereik voor het detecteren van fouten in kogellagers beperkt worden. Dit zou het aantal verzonden pakketten verminderen van honderden naar slechts enkele.
  • Inefficiënte verwerking: Continue monitoring aan hoge frequentie is niet altijd nodig. Aangezien defecten zich geleidelijk ontwikkelen, kan een strategie die de slijtage in de tijd opvolgt, leiden tot slimmere en energiezuinigere verwerking.
  • Inefficiënte uitrol: Machine learning-modellen moeten daar lopen waar ze het minst energie verbruiken, en dat is vaak rechtstreeks op het apparaat aan de rand van het netwerk (edge computing).

Door redundantie in tijd, data en uitrol te minimaliseren, wil CORRELATE het energieverbruik drastisch terugdringen zonder in te boeten op prestaties of nauwkeurigheid. 

Doelstellingen en use cases

Het hoofddoel van CORRELATE is het aanpakken van het gebrek aan coördinatie tussen de IIoT-apparaten en de backend software voor gegevensverwerking, een kloof die de energie-efficiëntie, nauwkeurigheid en reactietijd inperkt.  

Door de passieve inzameling van gegevens te veranderen in een interactieve feedbacklus, maakt het project real-time, intelligente en energiebewuste dataclassificatie mogelijk. De innovaties van CORRELATE zullen:

  • Een levensduur van 20 jaar garanderen voor een IIoT-systeem door het netwerkverkeer te verminderen en dataredundantie met een factor 50 te beperken. Een bijkomende factor 10 kan worden gewonnen door bijvoorbeeld de data-analyse en kostbare bandbreedte te concentreren op apparaten die al eerste tekenen van falen vertonen.
  • Een industriële nauwkeurigheid van 99% behouden door de dataclassificatie te integreren in de regelkring, met behoud van energiebesparing.
  • De energie- en nauwkeurigheidsdoelstellingen behalen zonder de kwaliteit van de toepassing te verminderen.

Deze ambitieuze innovatiedoelen zijn haalbaar omdat CORRELATE voortbouwt op drie technologieën die de partners reeds intern hebben ontwikkeld en gevalideerd. Die tonen aan dat grote bandbreedtebesparingen mogelijk zijn via gegevenscompressie en dat energie-efficiënte ‘tiny machine learning’-modellen een sterke optimalisatie opleveren. Met deze optimalisaties is een industriële nauwkeurigheid haalbaar door het opzetten van een slimme feedbacklus.

De projectpartners hebben drie representatieve use cases geselecteerd die de innovatie zullen aansturen en de haalbaarheid ervan bewijzen:

  • Infrastructuurmonitoring
  • Foutdetectie (bv. kogellagers, motoren)
  • Displaycontrole (bv. HVAC, passagiersinformatie) 

CORRELATE

Het CORRELATE-project wil IoT-systemen innoveren om ze duurzamer en efficiënter te maken, door het energieverbruik te optimaliseren via selectieve activatie van apparaten, gerichte dataverzameling en het slim inzetten van machine learning.

CORRELATE is een imec.icon onderzoeksproject gesteund door imec en het Vlaams Agentschap Innoveren & Ondernemen (VLAIO).

Het project is gestart op 01.04.2025 en loopt tot 31.3.2027. 

Project informatie

Industrie

  • Psicontrol
  • Quicksand
  • Televic Rail
  • Agfa Gevaert

Onderzoek

  • imec – IDLab – UAntwerpen
  • KU Leuven DistriNet

Contact

  • Project lead: Tom Verbeke, Psicontrol
  • Research lead: Jeroen Famaey, imec – IDLab – UAntwerpen
  • Proposal manager: Sam Michiels, KU Leuven DistriNet
  • Innovation manager: Ive Weygers, imec