Využití strojového učení (AI) pro detekci anomálií spalování a prediktivní údržbu hořákových systémů

Průmyslová procesní zařízení (hořáky, výměníky, potrubní sítě) jsou vybavena řadou snímačů (teploty, tlaky, emise, vibrace), jejichž potenciál zůstává často nevyužit. Tato práce nevyžaduje žádné CFD simulace – zaměřuje se na využití reálných časových řad a provozních dat pro trénování AI/ML modelů, které dokáží včas odhalit nestability spalování, zanášení teplosměnných ploch nebo počínající závady na zařízení.

• Zpracujete a vyčistíte časové řady dat z provozu nebo zkušebního zařízení (zpracování dat v Pythonu/MATLABu).
• Navrhnete a zaškolíte algoritmus strojového učení (např. detekce anomálií, klasifikace stavů, regrese) pro identifikaci nestandardních provozních režimů.
• Otestujete spolehlivost modelu a vyhodnotíte jeho úspěšnost při včasném varování před havárií či odstávkou.

Stanete se specialistou na průmyslovou datovou analýzu a Machine Learning. Naučíte se pracovat s reálnými provozními daty z procesního inženýrství a přetvářet je v užitečné nástroje pro chytré řízení a prediktivní údržbu.