Energiebewuste optimalisatie van het gedrag van industriële IoT-systemen.
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.
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.
Het CORRELATE-project richt zich op drie grote uitdagingen die energie-efficiënte monitoring en sturing binnen industriële IoT-systemen hinderen:
Door redundantie in tijd, data en uitrol te minimaliseren, wil CORRELATE het energieverbruik drastisch terugdringen zonder in te boeten op prestaties of nauwkeurigheid.
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:
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:
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.