31 / 82 AMNYTT NR . 1 2025
KI kan bane veien for færre falske alarmer ( Illustrasjonsfoto : BASF ).
Mangelen på store , ensartede datasett og sjeldenheten av visse hendelser gjør det vanskelig å trene KI-systemer til å håndtere alle mulige scenarier effektivt . KI-baserte alarmsystemer i disse miljøene må fokusere på tilpasningsevne og kontekstbevissthet for å håndtere det store utvalget av situasjoner mens du unngår unødvendige varsler som kan forstyrre operasjoner eller kompromittere systemets robusthet .
Lettere trening Prosessindustrien , for eksempel olje og gass eller kjemi , har færre produktvariasjoner , men har kontinuerlige og svært kapitalkrevende prosesser . Alarmer er ofte fokusert på å opprettholde stabilitet og sikkerhet i disse systemene , der forsinkelser eller falske varsler kan føre til betydelige økonomiske tap eller til og med katastrofale feil . Dataene som er tilgjengelige for prosessautomatisering er vanligvis mer konsistent og strukturert , noe som gjør det lettere å trene KI-systemer til å oppdage anomalier og forutsi feil med høy presisjon .
SINTEF-forskerne Følgende SINTEF-forskere har bidratt til utforming av artikkelen :
Navn Maria Vatshaug Ottermo Massimiliano Ruocco
Tittel Forskningsleder
Seniorforsker
Giuseppe Fragapane Forskningsleder Zachary Thiry Thor Myklebust Stig Ole Johnsen Jacqueline Floch Per Gunnar Auran Axel Andreas Transeth Helene Schulerud Bruno Bonomini
Master of Science Seniorforsker Seniorforsker Seniorforsker Seniorforsker Seniorforsker
Forskningsleder Fungerende forskningsleder