Bedrijven hebben vaak behoefte aan geavanceerdere automatisering om de systeemprestaties te verbeteren of een hogere robuustheid te bereiken. In CoMoDO helpen we hen bij het bouwen van controllers die gebruikmaken van schattingen van modellen die tijdens de werking worden bijgewerkt. Dit is tot nu toe efficiënter dan de opkomende datagestuurde en AI-methoden. Modellen of modelgebaseerde schatters kunnen de controller op vele manieren helpen: modellen en hun schattingen geven de controller inzicht in hoe het systeemgedrag volledig te benutten, hoe niet-lineariteiten te compenseren of meerdere vrijheidsgraden te coördineren. Ze kunnen bovendien de uitkomsten van mogelijke regelacties voorspellen, zodat de beste actie kan worden gekozen. Of ze kunnen worden gebruikt om niet-gemeten variabelen te schatten, zoals systeembelastingen, omgevingsomstandigheden of het gedrag van externe componenten, waardoor de controller effectief kan compenseren voor deze invloeden.

Ondanks de mogelijke voordelen van besturing met behulp van modellen die tijdens de werking worden bijgewerkt, en ondanks de vele bestaande state-of-the-art toepassingen, is deze technologie nog niet wijdverspreid in de state-of-the-top-markt. Dit komt doordat (i) bedrijven niet beschikken over de benodigde modellen voor de state-of-the-art (SOTA) en niet weten welke optie ze moeten kiezen bij het ontwikkelen van een nieuw model, en (ii) de SOTA-methoden onvoldoende toepassingsgericht zijn voor het omgaan met typische, imperfecte data, modellen en gebruiksscenario's.

In dit project willen we deze problemen aanpakken door tools te ontwikkelen die bedrijven helpen bij het realiseren van besturing op basis van modellen die tijdens de werking worden bijgewerkt. We bouwen voort op eerdere projecten om methoden en beslissingslogica te ontwikkelen die bedrijven ondersteunen bij het selecteren en opzetten van geschikte besturingsmodellen, schatters en besturingslogica, zonder terug te vallen op MPC (Model Predictive Control). MPC is namelijk een rekenkundig dure, complexe methode die lastig betrouwbaar te implementeren is en niet breed wordt toegepast in de SOTA. Omdat we ons richten op modellen die tijdens de werking worden bijgewerkt, en niet alleen tijdens de engineering, zullen we ons ook concentreren op betrouwbaarheid in praktische situaties. We onderzoeken methoden om industriële uitdagingen zoals sensorruis, drift, verschillende bedrijfsmodi, wisselende omstandigheden, machineveroudering en sensorstoringen aan te pakken. Dit moet bedrijven in staat stellen om tijdens de werking bijgewerkte modellen in hun besturingslogica te gebruiken, met vertrouwen in de betrouwbaarheid voor zowel korte als lange termijn.