TETRA EnergAI
/
TETRA EnergAI
Bedrijven beseffen dat een verdere digitalisering nodig is om te blijven innoveren, groeien en hun processen efficiënter te maken. Vanuit bedrijven groeit wel de vraag over hoe ze ondersteund kunnen worden in de energietransitie, zonder dat dit grote kosten meebrengt.
Artificiële Intelligentie (AI) kan hierin een oplossing zijn, maar door onwetendheid wordt dit als te complex ervaren. Tevens hebben kmo’s de kennis niet aan boord of geen tijd. Hierdoor kan de meerwaarde van AI-tools niet correct ingeschat worden en gebeurt er niets mee.
Wij willen kmo's ondersteunen en in staat stellen correcte keuzes te formuleren in de digitale transitie. Meer specifiek willen we de kenniskloof dichten tussen de onderzoeks- en bedrijfswereld. Na gesprekken met bedrijven blijkt er grote interesse in dit thema. Verschillende ondernemingen stappen mee in het EnergAI project omdat ze diepere inzichten willen vergaren rond AI-integratie en de ondersteuning die hiervoor nodig is.
Zie ook Howest Energie Lab
Main section
Quick facts
/
Type: TETRA project
/
Locatie: Kortrijk
/
Opstart: oktober 2022
/
Looptijd: 2 jaar
Wat is het doel van dit project?
Verschillende case-studies die aantonen dat predictive flexibility en predicitve maintenance voor energiebesparingen bij Vlaamse KMOs implementeerbaar zijn, dmv:
- Netwerk: We werken samen met 6 sectorfederaties, de speerpuntcluster Flux50 en andere hogescholen/universiteiten die de opgedane kennis helpen dissemineren a.d.h.v. studiedagen, workshops, artikels, …
- Nieuwe landingspagina van de Smart Tech cluster (Howest ENM + MCT): moet de beoogde bredere doelgroep in staat stellen om alle verworven AI-kennis van lopende en afgelopen projecten op een gecentraliseerde plaats te raadplegen. Hierdoor worden bedrijven in staat gesteld om a.d.h.v. het gegeven advies sneller AI-adoptie mogelijk maken en heel wat tijd uit te sparen om tot een resultaat te komen. We verwachten 4 tot 6 manmaanden tijdsbesparing bij totaalprojecten (van sensor tot predictief model) per bedrijf die deze kennis wenst te implementeren.
- Predictieve modellen die leiden tot energie-optimalisaties en -besparingen. Er wordt verwacht dat predictieve flexibiliteit en onderhoud een daling van het brandstofverbruik (10%), energie-opslagcapaciteit (25%) en energiesysteem (5%) kunnen realiseren.
- Disseminatie en integratie in het onderwijsaanbod, wat een breed draagvlak creëert. Er is een bredere kennisverspreiding mogelijk via diverse opleidingen die allemaal een luik AI en energie in het programma hebben geïmplementeerd. De ambitie is om minstens 50 snel inzetbare profielen vanuit onderwijs aan te leveren aan de markt om deze kennis te implementeren bij afloop van het project (10 na jaar 1) (KPI3).
Bottom section
Wat is de rol van Howest?
- Proactief sensibiliseren van de doelgroep door 4 specifieke use cases (KPI2 – gedocumenteerde validaties) binnen het thema AI-forecasting, meer specifiek rond thema’s die beslist werden met de samengestelde begeleidingsgroep. Dmv. kennisopbouw over hoe een krachtig AI-model met een geoptimaliseerde tijdsbesteding in productie kan gebracht worden (1 case na 1 jaar, 4 bij projectafloop). Op basis van voorgaande projecten kan gesteld worden dat na 1 jaar minstens 20 geïnteresseerde ondernemingen te bereiken en > 50 bij afloop van het project de kennis zullen toepassen (KPI1).
- 2 real life demonstratoren (KPI2) in hard- en software die de kennis van de use-cases omzetten tot generiek vertaalbare info voor verspreiding binnen de bredere doelgroep (vb. Cleantech hub Snowball).
- Uitwerken van de EnergAI-gids, dewelke de kennis uit het project stapsgewijs zal vertalen van sensor tot AI- model tot het voorspellend gedrag van het systeem (vb. # AI forecastingstechnieken, efficiënt omgaan met data, uitgewerkte democases, hoe een bestaand AI-model efficiënt in productie brengen,…).
- Nieuwe landingspagina/website voor disseminatie van projectresultaten van lopende en afgelopen AI- projecten. Zodat bedrijven gerichte info kunnen vinden rond AI-thema’s en via deze pagina concrete hulp adhv gidsen (vb. EnergAI-gids), info van studiedagen, workshops,… kunnen terugvinden. Er wordt gemikt op minstens 300 unieke bedrijven die via de website concrete kennis verzamelen na afloop (50 na jaar 1) (KPI4).
- Communicatie en Disseminatie:
- 4 gerichte workshops en een interne studiedag (op locatie + online events).
- Minimaal 5 artikels via sectorfederaties en spreker op 4 externe netwerkevents waarin verdere kennisspreiding naar de bredere doelgroep zal gerealiseerd worden.
→ Ontdek onze uitgebreide AI-gids via de volgende link: https://howestailab.github.io
Contributors
Researchers
/
Energy Lab, Energy experts in Kortrijk
/
AI Lab, AI experts in Bruges and Kortrijk
Want to know more about our team?
Visit the team page