Pexels Screen Post 7582146
PIONERPROJEKT

Smart vedligehold

Driftsplaner bliver i dag typisk udarbejdet på baggrund af visuelle inspektioner, mange års erfaring og subjektive vurderinger. Det er en manuel, besværlig, langsom og upræcis proces.

Hvad nu hvis vi kunne optimere og automatisere udarbejdelsen af driftsplaner på ejendomme, ved at udnytte offentligt tilgængelig data, en database af tidligere vedligeholdelsesplaner, kunstig intelligens og reality capture teknologier? Det undersøger vi med ConTech Labs pionerprojekt: smart vedligehold.

Samarbejdspartnere

Projektets formål

Målet med pionerprojektet er at kortlægge den proces, der danner basis for udarbejdelsen af en traditionel vedligeholdelsesplan med udgangspunkt i tagbelægning. Forståelse for processen danner grundlag for at udvikle en Proof of Concept (PoC).

PoC’en skal demonstrere en automatisk tilstandsvurdering af vilkårlige tagbelægninger, der bl.a. identificerer revnede/knækkede tegl på droneregistreringer og forudsiger tilstand og levetid med hjælp fra kunstig intelligens.

Plan For Projekt Udklip Fra Slides

Output

Pionerprojektets output er to styks kunstige intelligenser – én med billedgenkendelse, der kan identificere knækkede tegl og én såkalt 'predictive model', der kan forudsige restlevetid og tilstand på tagbelægning.​

Indledende workshop

På første workshop diskuterede vi følgende spørgsmål: Hvad kan vi løse med AI? Hvor er problemerne? Hvad er vigtig data? Hvordan bruger vi offentligt tilgængelig data på en smart måde? 
 
Vi ser frem til at eksperimentere med at automatisere udarbejdelsen af driftsplaner på ejendomme bl.a. ved at anvende kunstig intelligens og reality capture teknologi.  

Vil du vide mere?

Du kan altid række ud til Niels Falk/HD Lab eller Mayes Ali/ConTech Lab, hvis du vil høre mere om projektet.