Likhetssökning för tidsseriedata (projekt SIFT)

Mål för projektet

Målet är att i verklig miljö testa och utvärdera teknisk lösning för datautvinning och likhetssökning i stora multivariata industriella tidsserier

Projektet ”LikhetsSöknIng För Tidserier – SIFT” har testat och utvärderat en lösning för att göra stora mängder multivariata industriella tidsserier mer sökbara, en lösning som utvecklats i föregångarprojektet DFusion. Lösningen har inspirerats av inbäddningsmodeller som används inom språkteknologi, men i stället för att inbädda text, så inbäddas tidsserier. Dessa inbäddade tidsserievektorer kan sedan lagras i en vektordatabas; en databas med likhetssökningsfunktionalitet. Detta kommer i sin tur möjliggöra att anomalier upptäcks, händelser kan jämföras och förenkla sökning i data som annars brukar vara svår att söka i. 

Lösningen har testats i verklig tillverkningsmiljö, dels hos kabeltillverkaren Nexans i Grimsås, dels hos Nord-Lock i Mattmar som tillverkar låsbrickor. Båda företagen har flertalet projekt och initiativ som innebär att stora mängder data insamlas. Dessa data kommer kräver nya metoder för analys och visualisering, och lösningen i SIFT-projektet har varit en viktig komponent i detta. Nexans och Nord-Lock drivs av ständig förbättring och SIFT-projektets resultat har hjälpt dem förbättra produktivitet, minska slöseri och förstå grundorsaker till oplanerade stopp. Sensortillverkaren IFM deltar i projektet, där deras monitoreringsmjukvara Moneo studerades för att ev utgöra en plattform för vidareutveckling av lösningen som testas i SIFT-projektet.

Forskningen genomfördes av RISE och Chalmers och bygger vidare på resultat som utvecklats i DFusion-projektet.
Arbetet har fortsatt i följdprojektet STIG Säker, tillförlitlig och grundad digital produktionsassistent.