Kunstig Intelligens i Praksis
Bliv inspireret af, hvordan andre har udnyttet data og Kunstig Intelligens (AI) til at forbedre deres forretning. Brug AI til at:
- Optimere processer
- Reducere energiforbrug
- Mindske overproduktion
Læs vores kundesager nedenfor
Prognosemodeller
Prognosemodeller bruger data til at forudsige fremtidige resultater eller tendenser. Deres anvendelser strækker sig over forskellige områder som finans, forretning, forsyningsindustri og mere.
Vi specialiserer os i at lave gode prognosemodeller og fokuserer især på forretningscases, hvor forudsigelser kan føre til optimering og dermed en positiv indvirkning på klimaet.
Estimering af Resterende Brugstid på en Dampspærring
Estimering af den resterende brugstid på en dampspærring.
Brug historiske nedbrud til at estimere hvornår et nyt nedbrud vil forekomme, hvilket gør det muligt at planlægge vedligeholdelse uden for kritiske produktionsperioder.
Forudsigelse af Optimal Temperatur i Transmissionssystemet
Formålet med dette projekt er at undersøge, om en maskinlæringsmodel kan forudsige den optimale forsyningstemperatur, så den universelle serviceforpligtelse opretholdes, samtidig med at forsyningstemperaturen reduceres.
De to oprettede maskinlæringsmodeller til dette projekt gør det muligt for CTR at:
- Forudsige den optimale forsyningstemperatur 12 timer frem i tiden
- Øge effektiviteten om foråret og efteråret, når vejret er særligt omskifteligt
- Opretholde deres universelle serviceforpligtelse
- Potentielt reducere forsyningstemperaturen med i gennemsnit 5,4 grader
- Levere en grønnere og mere klimaneutral fjernvarme
Forudsigelse af Uønskede Situationer i Transmissionssystemet - Kredsløb
Estimering af sandsynligheden for, at uønskede situationer vil forekomme i transmissionsystemet inden for den næste 12-timers periode.
Modellen opretter et alarmsystem til operatører i kontrolrummet, der vil træffe den endelige beslutning.
OWLS - Optimal Vacuum Vapour Level Setpoint
Reducer energiforbruget ved at udnytte cyklustiden på krystallisationsudstyr og anvend en mere energieffektiv damp, når det er muligt.
Computer Vision
Computer Vision sigter mod at udlede meningsfuld information fra billeder og videoer, som kan bruges både til klassifikationer og forudsigelser.
Optimer Kvalitetskontrol med Computer Vision - Danish Crown
Den overordnede kvalitet af flæskesteg er allerede rosende, men der er et ønske om konstant at forbedre og forfine kvaliteten. Kunder forventer, at fedtlaget på flæskesteg skal være ensartet. Dog kan det være udfordrende at opnå denne ensartethed på grund af den naturlige variation, der eksisterer blandt individuelle grise.
Som en del af en udvidet AI Camp har vi taget billeder af flæskesteg med billig hardware og udarbejdet en maskinlæringsmodel, der kan forudsige kvaliteten af flæskestegene.