Søg
Close this search box.
Kategorier
Nyheder Researcher spotlight

Dansk forsker former fremtidens maskinlæring på Harvard

23. september 2024

Dansk forsker former fremtidens maskinlæring på Harvard

Den danske forsker Emil Njor har i de seneste år markeret sig som en dansk pioner inden for forskningsfeltet TinyML. På Harvard University har han bidraget til at skabe en ny generation af datasæt til lokale maskinlæringsmodeller, der kan behandle data miljørigtig og uden internetforbindelse.

Forestil dig en fremtid, hvor kunstig intelligens ikke er begrænset til kraftfulde datacentre eller avancerede computere, men er indlejret i alt fra din egen kaffemaskine til industriens sensorer. Det scenarie kan blive til virkelighed med fremkomsten af TinyML, som gør det muligt at køre avancerede AI-modeller på små enheder uden netforbindelse.

En af pionererne inden for dansk forskning i TinyML er ph.d.-studerende Emil Njor fra DTU. I DIREC-projektet “Edge-based AI systems for predictive maintenance” arbejder han på at udvikle maskinlæringsmodeller, der er så komprimerede og effektive, at de kan køre på meget små computere, som er meget mere robuste end systemer, der kræver at både en internetforbindelse og en virkende cloud løsning.

“Da jeg startede på DTU, var der ikke rigtig nogen, der kendte til TinyML. I dag er vi 3-4 ph.d.-studerende, som arbejder inden for feltet, og interessen er eksploderet, fordi man kan gøre alle apparater intelligente uden at være afhængig af internettet eller store mængder energi,” siger Emil Njor.

AI uden skyen

Emil Njors passion for TinyML ligger i høj grad i de miljømæssige fordele. Effektive lokale computere kan nemlig bidrage til mindre ressourcespild, fordi de gør enheder mindre afhængige af konstant datakommunikation med servere i “skyen”.

“Jeg prøver at gå den modsatte vej af de store maskinlæringsmodeller, som bruger mange ressourcer. I stedet arbejder vi på at klippe og klistre modellerne sammen, så de bruger færre ressourcer og kan køre mere energieffektivt på små enheder,” siger han.

Som et eksempel nævner han vejrstationer, der kan bruge mikrofoner til at måle regn eller lytte til vindens hastighed, i stedet for de traditionelle bevægelige dele, der nemt går i stykker.

“Det er en efterspurgt løsning. Især i udviklingslande, hvor der mangler præcise vejrdata, og traditionelle vejrstationer er dyre at vedligeholde.”

Skubber teknologien fremad på Harvard University

I løbet af sin ph.d. har Emil Njor været på et ophold på Harvard University, hvor han hjalp amerikanske forskere med at forfine datasæt og publicere ny forskning, der kan skubbe forskningen i TinyML fremad.

“De datasæt, vi har brugt i årevis, er ofte små, fejlbehæftede og ikke repræsentative for virkeligheden. På Harvard University skabte vi et datasæt, der er 100 gange større og med færre fejl end dem, man tidligere har brugt,” forklarer Njor.

Njor ser mange muligheder for TinyML fremover, især i applikationer, hvor der kræves hurtige og pålidelige svar uden netværksforbindelse. Selvkørende biler er endnu et godt eksempel.

“Biler har brug for effektive sensorer, som kan arbejde uden internet, og TinyML kan give dem den nødvendige kapacitet til at reagere hurtigt – for eksempel hvis en fodgænger pludselig krydser vejen. Teknologien kan virkelig gøre en forskel i praksis, og det er dét, der motiverer mig,” afslutter Emil Njor.

Er du interesseret i at lære mere om Emils arbejde med TinyML? Dyk ned i DIREC-projektet “Edge-based AI systems for predictive maintenance”.

Emil Njor, ph.d.-studerende ved DTU Compute

Kategorier
Nyheder

Kloge robotter skal forhindre produktionsnedbrud for milliarder

20. DECEMBER 2022

Kloge robotter skal forhindre produktionsnedbrud for milliarder

Kunstig intelligens kan forebygge kostbare produktionsnedbrud og forudse, præcis hvornår et robotanlæg kræver service og vedligehold. Teknologien ventes at kunne spare industrivirksomheder for milliarder i tabt produktion og generelle serviceomkostninger.

Hvert år taber globale virksomheder milliarder på driftsforstyrrelser og produktionsstop som følge af rutinemæssigt vedligehold af robotanlæg.

Ifølge rapporten ”An AI Nation”, som er udgivet i samarbejde mellem Innovationsfonden og McKinsey & Company, koster driftsforstyrrelser og unødvendig service private virksomheder mellem 14-19 milliarder årligt.

Det har fået et hold forskere fra SDU, DTU, ITU og Alexandra Instituttet til at gå sammen med en række store danske virksomheder i et ambitiøst forskningsprojekt. Projektet skal afdække, hvordan kunstig intelligens og data-drevne metoder kan løse problemet, så virksomhederne har mindst mulig spildtid, hvor produktionen står stille.

I fremtiden skal robotter vedligeholde sig selv

Robotter bruges i dag over alt i produktionen – i vindmølle-, elektronik-, medicinal- og fødevareindustrien er det i dag i høj kollaborative robotter, som udfører arbejdet, forklarer Emil Stubbe Kolvig-Raun.

Han er softwareingeniør og erhvervsPhD ved Syddansk Universitet og ansat hos robotvirksomheden Universal Robots, som spiller en hovedrolle i forskningsprojektet. Universal Robots er verdens ledende producent inden for kollaborative robotter.

– Kollaborative robotter er robotarme bestående af led, som kan bevæge sig inden for forskellige frihedsgrader. For enden af robotarmen kan påsættes et eller flere eksterne værktøjer, og efterfølgende programmeres robotten til at bevæge sig i henhold til arbejdet, der skal udføres, forklarer han.

Hidtil har vedligeholdelse af robotanlæg været basereret på tid, så man fx hver tredje måned eller en gang om året kører rutinemæssig service på et anlæg, men ved hjælp af kunstig intelligens er det fremover muligt at forudsige, præcis hvornår et robotanlæg kræver vedligeholdelse og hvilken type vedligeholdelse, der skal sættes ind med, forklarer Emil Stubbe Kolvig-Raun.

Kan man på den måde planlægge vedligeholdelsen, så produktionen forstyrres mindst muligt, er der kæmpe besparelser at hente. Kunstig intelligens gør det fx muligt ud fra diverse faktorer omkring anlægget – fx vind-, fugt-, slitage og andre forhold, som har betydning for udstyrets tilstand – at beregne, hvornår vedligeholdelse er nødvendig. Det betyder, at man kan forebygge nedbrud og sikre, at robotterne bruges hensigtsmæssigt, så levetiden forlænges.

– Vi har integreret robotter centralt i den globale produktion, fx har man måske 70 robotter stående – det er lavt sat – og der skal være flere af dem, som går i stykker, før det kan betale sig at lukke et helt område ned, for så længe anlægget står stille, går man glip af produktion og taber penge.

– Hvor man i industrien tidligere har arbejdet med betingelsesbaseret monitorering, arbejder vi altså nu hen imod predictive maintenance og på sigt self-maintenance. I sidste ende er målet, at robotterne skal kunne måle deres egen sundhedstilstand, genkende fejlsymptomer og reagere på afvigelser. Det kan lade sig gøre, hvis robotten bliver bevidst om, hvilke data der bør indsamles, og ved hjælp af metrik forstår, hvad det betyder, siger Emil Stubbe Kolvig-Raun.

Forskningsprojektet ’Edge-based AI Systems for Predictive Maintenance’ finder sted i et samarbejde mellem forskere fra SDU, DTU, ITU, Alexandra Instituttet – og fra erhvervslivet Universal Robots, Novo Nordisk og Otavic.

Projektet strækker sig over en 3,5-årig periode og har et budget på 12 mio. kr. DIREC har investeret 6,3 mio. kr. i forskningsprojektet, som afsluttes i 2024.

Det er vigtigt, at vi kan regne med vores robotter. Når vi fx sender robotter til månen og har dem på stor afstand, er det nødvendigt at planlægge i lang tid i forvejen. Vi skal kunne monitorere dem effektivt, før vi med sikkerhed kan forvente, at de er driftssikre i forskellige pressede situationer.
Emil Stubbe Kolvig-Raun, erhvervsPhD, Syddansk Universitet

Læs mere her:
An AI nation: Harnessing the opportunity of artificial intelligence in Denmark

Kategorier
Nyheder

Bredt universitetssamarbejde: Kunstig intelligens skal forudsige programmeringen af robotter hos Universal Robots

Bredt universitetssamarbejde: Kunstig intelligens skal forudsige programmeringen af robotter hos Universal Robots

Robotter genererer et hav af data, som man kan bruge til at optimere processer og forudsige slid. Forskere på Syddansk Universitet skal i et nyt projekt hjælpe Universal Robots med at udvikle AI-systemer, som kan være med til at forudsige, hvordan man optimerer programmeringen af robotterne.

Den Odense-baserede robotproducent Universal Robots har, siden de startede i 2008, solgt mere end 50.000 af deres samarbejdende robotarme, kaldet cobots. De har dermed skabt en hel industri for cobots, som giver virksomheder mulighed for at automatisere processer i produktionen, når der skrues, svejses, limes eller lignende. 

En arbejdsstation, der styres af en robotarm, genererer et hav af data, som man kan bruge til at optimere processer eller til at forudsige slid på maskinen. Et samarbejde med Syddansk Universitet skal hjælpe Universal Robots med at udvikle it-værktøjer, der kan behandle de data, der er på robotten, og dermed udvide data med værdiskabende information for deres kunder. 

“Der er rigtig mange data, så det er vigtigt at få gjort data tilgængelige på en brugbar og anvendelig måde for vores kunder. Det kræver, at du ved, hvad du har af muligheder, at det er nemt at anvende, og vigtigst af alt at det i sidste ende hjælper dig til bedre at løse de opgaver og udfordringer, der er vigtige for din virksomheds processer. Derfor er det vigtigt, at den information, der kommer ud, er af en sådan kvalitet, at man kan tage handling på den og dermed ændre sin adfærd,“ siger Morten Boris Højgaard, Innovation Lab Manager hos Universal Robots.

Kan optimere driften

De data, der bliver opsamlet, udgør et stort potentiale, som kan optimere den stabile drift af robotterne. Data kan nemlig give vigtig feedback på, om du bruger robotten forkert, og om der er risiko for, at robotten ikke kan udføre opgaven. 

Det kan give anledning til nogle adfærdsændringer, så du som virksomhed lærer noget om din robot og i sidste ende også får mere ud af din robot. Det kræver bare, at der bliver lavet nogle gode løsninger, der er nemt tilgængelige og anvendelige for slutbrugeren.

“Det er et stort område, og der ligger noget forskning og udvikling i at komme frem til de gode værktøjer, som kan det her. SDU kan give os adgang til den nyeste viden, og de er eksperter i at designe de softwareløsninger. Omvendt kan vi bringe noget kontekst fra markedet,” forklarer Morten Boris Højgaard.

Skal afvikles tæt på robotten

Fra SDUs side er professor Mikkel Baun Kjærgaard særligt interesseret i at udvikle AI-systemer, som kan være med til at forudsige, hvordan man optimerer programmeringen af robotterne. Systemet skal designes, så det kan afvikles tæt på robotten, da robotterne som standard af sikkerhedsmæssige årsager ikke er koblet op på skyen. Det er afgørende for, hvordan man kan afvikle algoritmerne.

“Mere specifikt vil vi godt arbejde med, hvordan vi kan udnytte kunstig intelligens til at processere de her data, så vi kan lave forudsigelser og vedligehold. Vi skal samtidig kunne afvikle det tæt på udstyret, da der kan være nogle begrænsninger i forhold til datasikkerhed, der gør, at man ikke kan sende data op i skyen. Det kræver nogle andre softwareteknologier kontra den normale model, hvor man sender det op i skyen,” forklarer professor Mikkel Baun Kjærgaard fra Mærsk Mc-Kinney Møller Instituttet, Syddansk Universitet.

Samarbejde kan give forspring

Samarbejdet mellem Universal Robots og Syddansk Universitet er det første “Bridge-projekt”, som foregår i regi af DIREC, der er et nyt partnerskab mellem syv universiteter og Alexandra Instituttet. Det er støttet af Innovationsfonden og har til formål at udbygge kapaciteten inden for forskning og uddannelse i digitale teknologier i Danmark.

Dette første projekt er et godt eksempel på, at universiteter og virksomheder har forskellige former for ekspertise, som de kan drage fælles nytte af, lyder det fra Thomas Riisgaard Hansen, der er managing director for DIREC.

“Du kan godt have en hypotese om, at en algoritme kan udføre en bestemt opgave, men reelt set ved du det ikke som virksomhed. Men det er der sikkert nogle forskere, som har arbejdet med. På den måde kan du få et enormt forspring som virksomhed, fordi du ikke skal lave alle eksperimenterne selv. Omvendt har man som forsker også behov for at få kendskab til, hvad det egentlig er for nogle problemstillinger, som man har i samfundet. Det giver en naturlig prioritering af, hvad der er interessant at arbejde med, ” forklarer han.

Fakta om Bridge-projektet:

Projektet er det første “Bridge-projekt”, der foregår i regi af DIREC, der er et nyt partnerskab mellem syv universiteter og Alexandra Instituttet, som skal udbygge kapaciteten inden for forskning og uddannelse i digitale teknologier.

I projektet arbejder man med forskellige cases og på tværs af universiteterne i forhold til udvikling af teknologier. Ud over samarbejdet mellem Syddansk Universitet og Universal Robots, så arbejder IT-Universitetet i København på cases med Novo Nordisk og Energinet. DTU arbejder på en case med virksomheden Octavic.

I projektet kigger man på alt det udstyr, som hjælper os med at holde vores energi- og industriproduktion i gang. Man vil gerne have, at det kører så stabilt som muligt. Her vil man gerne udnytte de data, som man indsamler, til at foretage bedre vedligehold af udstyret, der bygger på forudsigelser, således at det kører mere stabilt.

Fakta om Universal Robots (UR) 

Universal Robots har som mål at forbedre arbejdsformer gennem sin førende robot-platform. Siden introduktionen af den første kollaborative robot, også kendt under betegnelsen cobot, i 2008, har Universal Robots udviklet en bred portefølje med modellerne UR3e, UR5e, UR10e og UR16e med varierende rækkevidde og løfteevne. Hver model er understøttet med et bredt udvalg af tilbehør og software i UR+økosystemet. Dermed kan UR cobots anvendes i en bred vifte af industrier og på fleksibel vis tilpasses forskellige opgaver. Universal Robots, som er ejet af amerikanske Teradyne inc. har hovedsæde i Odense og kontorer i en lang række lande inklusiv USA, Tyskland, Frankrig, og Indien. Universal Robots har solgt over 50.000 cobots globalt. Læs mere på www.universal-robots.com 

Yderligere info:

Morten Boris Højgaard, Innovation Lab Manager hos Universal Robots, +45 51 77 73 54, mbho@universal-robots.com

Mikkel Baun Kjærgaard, professor ved Mærsk Mc-Kinney Møller Instituttet, Syddansk Universitet, +45 21 97 24 47, mbkj@mmmi.sdu.dk

Thomas Riisgaard Hansen, managing director for DIREC, +45 29 40 33 97, thomas.r.hansen@direc.dk