Stage : Predictive Maintenance on Critical Machine Assets

Uw opdracht

Doel:
Savaco bestaat op vandaag uit 180 medewerkers en heeft 300 actieve klanten. Binnen onze activiteit "Data Insights & Analytics" helpen we bedrijven om data- en analyseoplossingen te implementeren, zoals big data-platforms, BI-tools en AI-frameworks. Ons doel is om organisaties meer data gedreven te maken, zodat ze sneller betere beslissingen kunnen nemen. Voor die bedrijven willen we ook geavanceerde analytics zoals AI tastbaar maken.
Op basis van de groeiende vraag naar data-inzichten van onze industriële klanten en onze sectorkennis, willen we een oplossing ontwikkelen om storingen op kritieke machineonderdelen te voorspellen. Savaco is ervan overtuigd dat de oplossing bedrijven in staat kan stellen meer gebruik te maken van de datapunten die ze verzamelen. Via machine learning-technieken leveren we betere inzichten in het gedrag van machine-assets. De modellen kunnen worden ter beschikking gesteld op het dataplatform van de klant (in de cloud) en dichtbij de machine (edge). De inzichten worden dus direct op de machine geleverd, maar ze zijn ook centraal beschikbaar om achteraf te analyseren, ongeacht waar de gegevens zijn opgeslagen.
Het doel van deze stageopdracht/masterproef is om een end-to-end-oplossing “Predictive Maintenance on Critical Machine Assets” te bouwen die sensordata van machine-assets analyseert om storingen op die assets te voorspellen en de inzichten aan de fabrikant en de eindgebruiker te leveren. De basis van dat raamwerk bestaat uit big data-componenten die in een cloud omgeving kunnen worden ontwikkeld en onderhouden.
Dit is in eerste instantie een interne opdracht.  Deze ervaringen willen we echter later ook kunnen gebruiken om onze klanten te adviseren in het domein van AI toepassingen.

Aanpak:
In de ontwikkelingsfase werken we in 2 iteraties om tot een competitief model te komen. We beginnen met een testdataset en zetten de data om in opgeschoonde / verfijnde data met een Python-script. In de tweede iteratie worden die gegevens gebruikt om lokaal een machine learning-model te trainen. Daar gebruiken we een scala aan machine learning-technieken, ook uitgevoerd met Python. Elke keer dat ons team met een competitief resultaat komt, slaan we het model op in een repository voor monitoring- en samenwerkingsdoeleinden.
 



In de productiefase wordt het model geïntegreerd in een big data-platform waar geautomatiseerde datapijplijnen worden gebruikt om nieuwe data aan te leveren en op basis daarvan voorspellingen te doen. Eerst moet de nieuwe dataset geüpload worden naar een Data Lake in de cloud en van daaruit start het dataverwerkingsscript. Deze gegevens worden vervolgens gepresenteerd aan de machine learning-component, waar ze worden gebruikt om fouten te voorspellen. Als de voorspellingen een positief resultaat opleveren, wordt er een trigger uitgestuurd om voorzorgsmaatregelen te nemen. Één keer per week worden de gegevens die in de loop van de week zijn verzameld, gebruikt om het model bij te scholen en aan te passen. Het resulterende model zal worden gepusht als het nieuwe model in productie.
Er is tevens een uitbreidingsfase mogelijk waar bij het ontwikkelde machine learning model beschikbaar wordt gesteld op de machine (dmv containers) en het mogelijk maakt dat de data direct op de machine wordt geanalyseerd alvorens deze naar de cloud wordt verstuurd.

Technologie:
Savaco is implementator van het Azure cloud platform van Microsoft.  Bij voorkeur wordt dan ook dit platform gebruikt om deze case uit te voeren.  Binnen de AI stack van het Azure platform bestaan een aantal Data services (PaaS) waarmee kan geëxperimenteerd worden, samen met services voor IoT en Container management.  Dit kan worden aangevuld met open source tools en frameworks.
Er wordt niet verwacht dat de student nieuwe technologie ontwikkelt, wel dat hij of zij bestaande technologie in een praktische case toepast.

Uw profiel

  • Je beschikt over een stuk analytisch inzicht om een goeie vertaling te kunnen maken van de noden binnen deze opdracht en de functionele specificaties van de oplossing.
  • Je hebt voldoende technisch kennis om, onder begeleiding van Savaco, de gekozen oplossing zelf op te zetten en te implementeren.

Solliciteren?

Is deze stageopdracht iets voor jou? Stel je dan kandidaat en stuur een e-mail met je cv en motivatie naar jobs@savaco.com.


Deze pagina delen