Norskutviklet algoritme kan finne skjulte sammenhenger

Den nye algoritmen er en del av et doktorgradsarbeid og har blitt utviklet i samarbeid med offshoreindustrien. Den skal være spesielt nyttig der flere sensorer er involvert og flere oppgaver utføres samtidig. Algoritmen analyserer signaler som fanges opp av et nettverk av sensorer som overvåker industrielle prosesser, for eksempel sensorer som overvåker temperatur, vannstand, trykk og annet.

Hvis en sensor bryter sammen, kan man ved hjelp av algoritmen gå tilbake og se hvordan den er koblet til andre sensorer og forstå hvorfor den brøt sammen. Forskningen er en del av et større prosjekt ved selskapet HMH, som produserer boreutstyr for offshoreindustrien. Også Lundin Energy har bidratt i arbeidet med algoritmen.

Krever mindre prosessorkraft

Forsker Kevin Roy, som regner med å fullføre sin doktorgrad i løpet av året, forklarer til Digi at algoritmen han har utviklet, analyserer signalene som fanges opp av et nettverk av sensorer som overvåker en industriell prosess.

– Forholdet mellom sensorene gjør at vi kan finne ut hvordan systemet er konfigurert når det gjelder hvilke deler som har innflytelse på andre deler, forklarer han.

Denne informasjonen kalles «topologi». Den kan også framstilles som en graf som er lett forståelig for menneskelige operatører.

– Et viktig bidrag er at den nye algoritmen kan spore et stort antall årsakssammenhenger representert som ikke-lineære ligninger, forklarer han og sier at algoritmen kan gjennomføre sine beregninger med relativt små krav til prosessorkraft.

– Dette resulterer i forbedret nøyaktighet sammenlignet med moderne lineære metoder og krever mindre beregningsressurser enn dype nevrale nettverk.

Ifølge Roy betyr dette at den nye metoden kombinerer nøyaktigheten til ikke-lineære modelleringsteknikker, som nevrale nettverk, med skalerbarheten og forklarbarheten til lineær modellering.

Eksperimentell validering

UiA-stipendiaten, som er tilknyttet universitetets Wisenet-senter, forteller at han har gjennomført flere eksperimenter som viser at algoritmen fungerer.

– Algoritmen har blitt validert eksperimentelt med syntetiske og reelle datasett. Vi har utført eksperimenter med reelle data samlet inn fra Lundins offshore olje- og gassplattform, forteller Roy.

I den forbindelse har forskerne analysert en samling på ti tidsserier. Hver av dem korresponderte med sensorer for temperatur, trykk eller oljenivå i delsystemet av dekanteringstanker som skilte olje, gass og vann. Tidsseriene ble oppnådd ved jevnlig sampling av 4000 sensoravlesninger og bruk av normalisering for å ha null gjennomsnitt og enhetsvarians.

– Analysen utført av algoritmene var ment å oppdage årsakssammenhenger mellom tanker som er koblet sammen ved hjelp av rør, og virkningen av kontrollmekanismer i hele systemet, forklarer han.

– Eksperimentelle resultater viser at den utkonkurrerer den tilsvarende lineære modellen i å identifisere topologien så vel som prediksjonsevnen i både syntetiske og reelle datasett, hevder han.

Selv om algoritmen er utviklet i samarbeid med offshorebransjen, understreker Roy at den også kan komme til nytte også i helt andre bransjer.

– Algoritmen kan utvides til andre områder der det er behov for å forstå dynamiske systemer i stor skala, for eksempel finans- og helsesektoren, sier han.

En betydelig forbedring

Lundin Norge har bidratt med å levere data fra Edvard Grieg-plattformen til denne forskningen. Kim Alexander Jørgensen, som er leder i Lundin Energy Norway, sier til UiAs nyhetsside at de bare så vidt har begynt å se hvilke muligheter som ligger i bruk av algoritmer og maskinlæring.

– Det er ingen tvil om at det vil gi betydelige forbedringer både i vår industri og i andre industrier, sier han.

Han forteller at Lundin Energy ved å levere sanntidsdata fra Edvard Grieg som behandles ved Wisenet-senteret, får predikasjoner for ulike tidshorisonter som de i etterkant kan kontrollere mot reelle data. Dette vil ifølge Jørgensen vil være en betydelig gevinst for selskapet.

Sjefingeniør for digital avdeling i HMH, Søren Øydna, sier til Digi at kundene deres etterspør både effektivitet og bedre vedlikehold.

– Med denne algoritmen kan vi finne feil raskere og fikse dem fortere. Vi kan også hindre at feil oppstår. Vi ser absolutt muligheter med dette, forteller han, men presiserer at det fortsatt er et stykke fram før teknologien kan tas i bruk.