DOSP-VHR-002681 | Machine Learning Operations for Edge Condition Monitoring

Het doel van dit project is om bedrijven tools, hands-on kennis en handleidingen aan te reiken om de verschillende aspecten van de levenscyclus van een Machine Learning (ML) model te monitoren en een constante kwaliteit van de resultaten na deployment te garanderen. Er wordt hierbij gefocust op het uitvoeren van ML-modellen op edge devices. De aanvragers baseren zich op gekende best-practices uit DevOps implementaties zoals continuous integration, continuous delivery (CI/CD) en microservices, en breiden deze uit met tools voor data en model management (MLOps). Deze tools laten toe om het development en deployment proces te automatiseren, het model te verbeteren via monitoring en de model versies te beheren en onderhouden. De doelgroep van dit project is vrij breed gaande van alle bedrijven die de gezondheidstoestand of slijtagetoestand van een machine of proces (willen) monitoren, zoals de procesindustrie, maakbedrijven, industriële automatiseringsbedrijven, ontwikkelaars van slimme elektronische of elektromechanische systemen, onderzoeksinstellingen, maar ook softwarebedrijven die tools ontwikkelen om proces monitoring te doen en data-analyse uitvoeren. Deze groep bedrijven omvat meer dan 300 ondernemingen waaronder heel wat kmo’s die aangewezen zijn op de steun van kennisinstellingen en projecten als deze om te kunnen innoveren.