Tiresias 2027
Van reactief oplossen naar voorspellend beheer van hightech systemen
Hightech systemen worden steeds complexer, terwijl de eisen aan prestaties, kwaliteit en beschikbaarheid blijven toenemen. Prestatieproblemen ontstaan vaak door interacties tussen hardware, software, processen en omgevingsfactoren en zijn daardoor lastig te diagnosticeren. Tegelijkertijd neemt de beschikbaarheid van ervaren diagnostische experts af. De industrie verschuift daarom van reactief storingen oplossen naar voorspellend beheer, waarbij degradatie vroegtijdig wordt herkend en onderhoud proactief kan worden gepland. Tiresias ontwikkelt hiervoor nieuwe methoden die AI combineren met engineeringkennis om prestatieverlies sneller te detecteren, verklaren en uiteindelijk te voorspellen.
AI en engineeringkennis verenigd voor slimme diagnostiek
Tiresias ontwikkelt een hybride diagnostiekaanpak waarin data-gedreven AI wordt gecombineerd met expliciete engineering- en systeemkennis. AI-methoden worden ingezet om terugkerende degradatiepatronen in operationele data automatisch te herkennen, terwijl kennisgedreven modellen helpen deze patronen te verklaren en te relateren aan onderliggende oorzaken. Hierdoor ontstaat een krachtig en uitlegbaar diagnostiekraamwerk dat prestatieproblemen sneller identificeert en onderhoudsbeslissingen beter ondersteunt. Het project legt daarmee de basis voor hogere beschikbaarheid, lagere onderhoudskosten en een toekomstbestendige inzet van complexe hightech systemen.