AI and Data
Data is overal. In elk domein beginnen bedrijven gebruik te maken van de data die ze verzamelen en toegang tot hebben, hoewel het een uitdaging voor hen is om de meest recente evoluties in het AI-domein te volgen en implementeren. Sirris helpt hen in hun inspanningen via ondersteuning in data science en AI. Hiervoor zijn we betrokken in tal van projecten in tal van domeinen.
Het belang van databeveiliging en -bescherming in industriële context uitgespit
Steeds meer bedrijven concentreren zich op hoe ze artificiële intelligentie en machine learning op data kunnen aanwenden om bijvoorbeeld productieprocessen te verbeteren, het energieverbruik te optimaliseren, of om te analyseren hoe hun product in het veld wordt gebruikt. In deze context wordt databeveiliging en -bescherming vaak pas in een later stadium in overweging genomen.
De jaarlijkse EluciDATA Tech Talk spitste zich in 2020 toe op databeveiliging en -bescherming, om het belang ervan voor de leden van de EluciDATA Community te benadrukken. Het event vond plaats op 8 december.
De jaarlijkse EluciDATA Tech Talk spitste zich in 2020 toe op databeveiliging en -bescherming, om het belang ervan voor de leden van de EluciDATA Community te benadrukken. Het event vond plaats op 8 december.
Inzichten in Brussels verkeer tijdens COVID-19-pandemie dankzij data-analyse
Door de coronacrisis en de lockdowns als gevolg daarvan veranderden ieders leef- en werkomstandigheden drastisch. Voor de datawetenschap hebben de lockdown-beperkingen een aantal zeer interessante, reële problemen aan het licht gebracht die het bestuderen meer dan waard bleken. Het Sirris EluciDATA Lab greep deze kans aan en kon er enkele kenmerkende blueprints van het verkeer in Brussel uit afleiden.
In het licht van een industrieel doctoraatsproject in samenwerking met Macq en VUB, is het EluciDATA Lab van Sirris begin 2020 gestart met het verzamelen van openbare gegevens over het verkeer in Brussel, die worden vastgelegd door Brussel Mobiliteit op 55 locaties in de hoofdstad. Het doctoraatsproject, gesponsord door Innoviris, strekt in de eerste plaats tot doel een geavanceerde trendanalysemotor te ontwikkelen die het inzicht in verkeerssituaties op een nauwkeurige en situatiebewuste manier mogelijk maakt.
In januari hadden we niet het minste vermoeden dat de escalatie van de corona-epidemie een unieke reële dataset voor ons onderzoek zou opleveren. We bundelden onze bevindingen in de loop van crisisperiode in een reeks blogposts.
EluciDATA Lab betrokken bij onderzoek en samenwerking rond AI
Het EluciDATA Lab van Sirris stapte mee in het Waals-Brusselse initiatief TRAIL (Trusted AI Labs), dat een algemene structuur omvat gericht op het bevorderen van samenwerking en onderzoek rond artificiële intelligentie (AI) in Wallonië en Brussel, tussen universiteiten en onderzoekscentra, in lijn met regionale beleidsvoeringen. In de loop van 2020 was het EluciDATA Lab betrokken bij de definiëring van dit partnerschap en het dienstenaanbod. Het Lab is voornamelijk betrokken in activiteiten aangaande de opname van AI door de industrie.
Drie nieuwe themagerichte ICON-projecten rond AI
Via het Vlaamse Beleidsplan Artificiële Intelligentie investeert Vlaanderen jaarlijks 32 miljoen EUR in artificiële intelligentie (AI). In het kader van dit plan lanceerde VLAIO een specifieke oproep voor themagerichte ICON-projecten rond artificiële intelligentie (AI-ICON), met de bedoeling een brug te slaan tussen de onderzoeksresultaten rond artificiële intelligentie en de toepassingen hiervan in het Vlaamse bedrijfsleven.
Voor de specifieke ICON-oproep rond AI lichtten de experts van het Data and AI Competence Lab van Sirris drie thema's uit met een hoge industriële toegevoegde waarde in Vlaanderen, in samenwerking met drie consortia van academische en industriële partners: TRACY (Trace Analytics), rond de optimale inzet van logdata uit industriële assets, CONSCIOUS (Contextual aNomaly deteCtIon for cOmplex indUstrial aSsets), met focus op het detecteren van contextuele anomalieën in industriële machines en processen, en ATWI (Hybrid, multi-modal methodology for Automatic Tool Wear Inspection) dat nauwkeurige analyse en voorspelling van de slijtage van gereedschappen in metaalsnijprocessen beoogt.
Ondanks de grote concurrentie bij de oproep van VLAIO werden alle drie de ingediende voorstellen geselecteerd voor financiering. Hierdoor zal Sirris de industrie verder kunnen blijven ondersteunen bij de aanpak van haar uitdagingen op het vlak van artificiële intelligentie.
Voor de specifieke ICON-oproep rond AI lichtten de experts van het Data and AI Competence Lab van Sirris drie thema's uit met een hoge industriële toegevoegde waarde in Vlaanderen, in samenwerking met drie consortia van academische en industriële partners: TRACY (Trace Analytics), rond de optimale inzet van logdata uit industriële assets, CONSCIOUS (Contextual aNomaly deteCtIon for cOmplex indUstrial aSsets), met focus op het detecteren van contextuele anomalieën in industriële machines en processen, en ATWI (Hybrid, multi-modal methodology for Automatic Tool Wear Inspection) dat nauwkeurige analyse en voorspelling van de slijtage van gereedschappen in metaalsnijprocessen beoogt.
Ondanks de grote concurrentie bij de oproep van VLAIO werden alle drie de ingediende voorstellen geselecteerd voor financiering. Hierdoor zal Sirris de industrie verder kunnen blijven ondersteunen bij de aanpak van haar uitdagingen op het vlak van artificiële intelligentie.
Project mikt op betrouwbaardere elektronische componenten en systemen
De betrouwbaarheid van elektronische componenten en systemen (ECS) is een belangrijke industriële uitdaging door de toegenomen digitalisering en de daarmee gepaard gaande complexiteit van elektronische systemen in verschillende domeinen. Onverwachte defecten veroorzaken financiële verliezen, reputatieschade en kunnen zelfs leiden tot levensbedreigende situaties. Nieuwe sensortypes en communicatiemogelijkheden laten toe om gedetailleerde informatie te verzamelen over het gedrag van dergelijke systemen, wat het op zijn beurt mogelijk maakt om de betrouwbaarheid van ECS uit te bereiden.
Het doel van het iRel4.0-project is een verbeterde betrouwbaarheid van elektronische componenten en systemen te realiseren doorheen de volledige waardeketen, gaande van chip- en packagingniveau tot het plaat- en systeemniveau. Elektronische componenten en systemen moeten sneller betrouwbaar worden, wat betekent dat de ontwikkelingsprocessen sneller naar productie kunnen worden overgezet. Daarnaast willen we een beter kwaliteitsniveau bereiken dankzij een fundamenteel begrip van fysische falingsmechanismen en het gebruik van AI-methoden. De betrouwbaarheid moet ook gegarandeerd kunnen worden wanneer de systemen in nieuwe veiligheidskritische en extreme omgevingen worden ingezet, waarbij nieuwe materialen nodig zijn.
In het project, dat een samenwerking is tussen 75 partners uit 13 landen, speelt het onderzoek naar AI- en data-science-technieken en -methodologieën een belangrijke rol, om kennis te vergaren voor doeleinden rond prognosevorming en gezondheidsmonitoring op basis van data uit elektronische componenten. Deze data wordt gebruikt om het gedrag van de componenten en hun interacties te begrijpen, karakteriseren en voorspellen.
De resultaten zullen in verschillende toepassingsdomeinen worden gevalideerd, waaronder de auto-, energie- en digitale sectoren. De Belgische use case focust zich op de automotive, meer bepaald op onderzoek naar een hybride methodologie voor gezondheidsmonitoring van waterstoftanks in voertuigen. In het Belgische consortium werkt het EluciDATA Lab van Sirris hiervoor samen met Plastic Omnium, ON Semiconductor, NiniX Technologies en imec.
Het doel van het iRel4.0-project is een verbeterde betrouwbaarheid van elektronische componenten en systemen te realiseren doorheen de volledige waardeketen, gaande van chip- en packagingniveau tot het plaat- en systeemniveau. Elektronische componenten en systemen moeten sneller betrouwbaar worden, wat betekent dat de ontwikkelingsprocessen sneller naar productie kunnen worden overgezet. Daarnaast willen we een beter kwaliteitsniveau bereiken dankzij een fundamenteel begrip van fysische falingsmechanismen en het gebruik van AI-methoden. De betrouwbaarheid moet ook gegarandeerd kunnen worden wanneer de systemen in nieuwe veiligheidskritische en extreme omgevingen worden ingezet, waarbij nieuwe materialen nodig zijn.
In het project, dat een samenwerking is tussen 75 partners uit 13 landen, speelt het onderzoek naar AI- en data-science-technieken en -methodologieën een belangrijke rol, om kennis te vergaren voor doeleinden rond prognosevorming en gezondheidsmonitoring op basis van data uit elektronische componenten. Deze data wordt gebruikt om het gedrag van de componenten en hun interacties te begrijpen, karakteriseren en voorspellen.
De resultaten zullen in verschillende toepassingsdomeinen worden gevalideerd, waaronder de auto-, energie- en digitale sectoren. De Belgische use case focust zich op de automotive, meer bepaald op onderzoek naar een hybride methodologie voor gezondheidsmonitoring van waterstoftanks in voertuigen. In het Belgische consortium werkt het EluciDATA Lab van Sirris hiervoor samen met Plastic Omnium, ON Semiconductor, NiniX Technologies en imec.
Optimale distributie van AI-computertaken en werkbelasting over bestaande computernodes
Recente ontwikkelingen in gedistribueerde AI aan de rand leveren nieuwe benaderingen op i.v.m. veilige en gerichte gedistribueerde analytics. In het kader van verschillende onderzoeksprojecten gaan we bij Sirris de energie- en resource-efficiënte opschaling van AI-gebaseerde applicaties op de bestaande randinfrastructuur na, waarbij privacygevoelige data worden afgeschermd.
Door de komst van randnodes met verhoogde reken- en opslagcapaciteit kunnen bedrijven een ruime waaier steeds resource-intensievere applicaties uitvoeren via een groeiend aantal toestellen met veel meetapparatuur. In het geval van industriële bewakings- en controletoepassingen bijv. resulteert dit in enorme hoeveelheden data, verspreid over een groot aantal toestellen. Vandaag worden al die data doorgaans overgebracht naar een centrale locatie (bijv. de cloud) met het oog op exploitatie d.m.v. intelligente machine learning en AI.
Door de komst van randnodes met verhoogde reken- en opslagcapaciteit kunnen bedrijven een ruime waaier steeds resource-intensievere applicaties uitvoeren via een groeiend aantal toestellen met veel meetapparatuur. In het geval van industriële bewakings- en controletoepassingen bijv. resulteert dit in enorme hoeveelheden data, verspreid over een groot aantal toestellen. Vandaag worden al die data doorgaans overgebracht naar een centrale locatie (bijv. de cloud) met het oog op exploitatie d.m.v. intelligente machine learning en AI.
Echt schaalbare edge computing-softwaretoolkit
Als kader voor gedecentraliseerde intelligentie zal MIRAI een optimale distributie van AI-computertaken en werkbelasting over bestaande (vaak beperkte) computernodes mogelijk maken, waardoor het de rol vervult van een echt schaalbare edge computing-softwaretoolkit voor IoT- en edge-computingtoepassingen. D.m.v. de MIRAI Framework Building Blocks (MFBB) zullen AI-modules van passende omvang worden ontplooid op nabijgelegen beschikbare randnodes. Dit zal een gedistribueerd ecosysteem met lage latentie opleveren voor AI-computing in het IoT. Wanneer applicatieservices en -taken op lokale resources draaien, worden netwerkproblemen minder kritiek. Deze gedecentraliseerde aanpak zal de MIRAI-oplossing robuuster maken (doordat nieuwe failover-mechanismen mogelijk worden gemaakt) en veiliger (aangezien de berekeningen rechtstreeks op de bron worden uitgevoerd zonder dat data hoeven te worden rondgestuurd).
Het ITEA3-project "MIRAI" ging in 2020 van start en zal drie jaar lopen. De Belgische gebruikscases, aangeleverd door 3E, Macq en Shayp, focussen respectievelijk op gedistribueerde hernieuwbare-energiesystemen, verkeersmanagement en watermanagement.
Het ITEA3-project "MIRAI" ging in 2020 van start en zal drie jaar lopen. De Belgische gebruikscases, aangeleverd door 3E, Macq en Shayp, focussen respectievelijk op gedistribueerde hernieuwbare-energiesystemen, verkeersmanagement en watermanagement.
Gedeelde beveiligingsoplossing pakt uitdagingen bij geconnecteerde toestellen aan
De afgelopen jaren heeft de IoT-toestelrevolutie onze wereld getransformeerd tot een wereld waarin alles met elkaar verbonden is, slim is en veilig is (of zou moeten zijn). Geconnecteerde toestellen bieden onmiskenbare voordelen, maar tegelijk neemt daardoor ook het risico op manipulatie en diefstal van data en op cyberaanvallen toe. Het gebrek aan vertrouwen van bedrijven en consumenten in slimme, geconnecteerde toestellen vormt een belemmering.
In dit verband is het PENTA-project "SunRISE", dat in 2019 van start ging, erop gericht een gedeelde beveiligingsoplossing te ontwikkelen met de volgende doelstellingen:
In dit verband is het PENTA-project "SunRISE", dat in 2019 van start ging, erop gericht een gedeelde beveiligingsoplossing te ontwikkelen met de volgende doelstellingen:
- machineleren aan de rand om vlotter IoT-beveiligingsanalytics te verschaffen met als doel tegen inbraken te beschermen en om onregelmatigheden en foute configuraties te detecteren
- relevante beveiligingsdata tussen verschillende stakeholders delen en technieken inzake machineleren toepassen op de gecombineerde data en modellen
- homomorfe encryptie als privacyverhogende technologie evalueren en machineleren toepassen op de gecombineerde geëncrypteerde datasets.