Dwa projekty rozwojowe w AMCTech

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.