reklama
reklama
reklama
reklama
reklama
reklama
reklama
© adam121 dreamstime.com Przemysł elektroniczny | 16 lipca 2018

Dwa projekty rozwojowe w AMCTech

AMCTech na realizację obu projektów, współfinansowanych przed UE, wyda 3.6 mln PLN.
SOLAR LINK – Usieciowiony Sterownik Lamp Solarnych

Przedmiotem projektu jest opracowanie usieciowionego sterownika lamp solarnych i hybrydowych SOLAR LINK, który zapewni lepsze sterowanie lampami oraz energooszczędną i bezprzewodową łączność pomiędzy lampami, a ich użytkownikami, właścicielami i serwisantami.

W bilansie energetycznym istotną funkcję pełnią systemy oświetleniowe, które w skali globalnej konsumują 1/5 energii. Od pewnego czasu wśród systemów oświetleniowych wzrasta rola systemów off-grid, które są zasilane z paneli PV lub turbinek wiatrowych i nie wymagają podłączenia do sieci energetycznej. Dzięki temu ich instalacja jest znacznie prostsza i szybko zyskują na popularności. Systemy te nie są jednak w stanie spełniać wymagań norm oświetleniowych (PKN-CEN/TR-13201-1) przez cały okres użytkowania – od zmierzchu do świtu przez cały rok. Tymczasem obowiązujące normy oświetleniowe dopuszczają w pewnych warunkach obniżenie wymagań oświetleniowych o 2 klasy. Przeprowadzone analizy wykazały, że redukcja taka w powiązaniu z wykorzystaniem w oświetleniu światła naturalnego pozwala na redukcję zużycia energii o ponad 30%.

Wartość projektu to 1.471 tys PLN, w tym dofinansowanie z Funduszy Europejskich to 1.074 tys PLN.

Badanie skuteczności algorytmów samouczących dla inteligentnych systemów monitorowania i diagnostyki maszyn

Przedmiotem projektu jest opracowanie technologii, które umożliwią samouczenie się systemów monitorowania i diagnostyki maszyn. Na podstawie analizy zapotrzebowania rynku stwierdzono, iż obecnie istnieje wyraźne zapotrzebowanie na samouczenie się systemów w obszarze detekcji anomalii oraz w procesie konfiguracji systemu, gdyż te dwie czynności w ramach obsługi systemów monitorowania i diagnostyki maszyn są wyjątkowo pracochłonne i kosztowne, przez co często stanowią barierę dla wdrożenia.

Z drugiej strony, brak wystarczającej uwagi w analizie danych lub w konfiguracji systemu, np. podczas ustawiania progów alarmowych, często obniża efektywność systemu, znacznie poniżej oczekiwań. W projekcie zostanie zbadana rzeczywista przydatność różnych metod znanych ogólnie jako „Data Science” ze szczególnym uwzględnieniem metod uczenia maszynowego. Opracowane algorytmy zostaną następnie zaadoptowane do implementacji w środowiskach wbudowanych, a w przypadku urządzeń bezprzewodowych, dodatkowo zoptymalizowane pod względem zużycia energii.

Jednym z najbardziej pracochłonnych zadań będzie badanie efektywności wykonywania poszczególnych etapów samouczenia na kolejnych poziomach systemu, tj. zasadności wykonywania kolejnych zadań systemu na przetworniku, na bramie sieciowej, na jednostce akwizycji oraz w jednostce centralnej, np. w chmurze. Moduły samouczące w systemach monitorowania są obecnie najbardziej pożądane przez duże koncerny energetyczne i petrochemiczne ze względu na potrzebę oceny stanu technicznego setek, bądź nawet tysięcy podzespołów przy jednoczesnym wymaganiu minimalnego nakładu pracy na skonfigurowanie oraz obsługę systemu.
Projekt realizowany jest w konsorcjum naukowym wraz z Akademią Górniczo-Hutniczą im. Stanisława Staszica w Krakowie.

Wartość projektu to 2.169 tys PLN, w tym dofinansowanie z Funduszy Europejskich 1.801 tys PLN.

Komentarze

Zauważ proszę, że komentarze krytyczne są jak najbardziej pożądane, zachęcamy do ich zamieszczania i dalszej dyskusji. Jednak komentarze obraźliwe, rasistowskie czy homofobiczne nie są przez nas akceptowane. Tego typu komentarze będą przez nas usuwane.
reklama
reklama
Załaduj więcej newsów
October 15 2018 23:56 V11.6.0-1