Morsom matematikk med praktisk nytteverdi

For seniorforsker Martin Tveten var det opprinnelig interessen for morsomme problemstillinger innen matematikk og programmering som ledet han til avviksdeteksjon. I dag er han NRs ekspert på fagfeltet, og liker å se at arbeidet har praktisk bruksverdi. – Det er arbeidskarer som skal bruke verktøyene vi lager, ikke andre kontorrotter, sier Martin.

En regntung dag i september, dro Martin derfor på ekskursjon til Björkhöyden vindpark i Sverige sammen med partnere fra Statkraft og Universitetet i Oslo (UiO). I over et år har han analysert data fra vindparken for å se om det kan brukes til å forbedre vedlikeholdsrutiner og avverge feil og skader.

Oppdaget sensorer gjennom BigInsight

Avviksdeteksjon handler om å overvåke kompliserte systemer og varsle når systemene oppfører seg uventet. Martin begynte å jobbe med fagfeltet da han skrev masteroppgave på UiO, og ble del av forskningssenteret BigInsight som har en forskningsgruppe om sensorer. Deretter skrev han doktoravhandling i samme emne. Nå leder han prosjektet “Tilstandsovervåkning av vind- og vannkraftverk” på NR.

– Til å begynne med var sensorer en unnskyldning for å drive med morsomme problemstillinger innen matematikk og programmering, men etter hvert har den praktiske nytten av arbeidet mitt blitt mer og mer tydelig, forteller Martin.

Dialog med vedlikeholdsteknikerne er viktig

Mens mesteparten av arbeidet hans foregår bak dataskjermen, er verktøyene Martin utvikler først og fremst praktiske. Besøket til Björkhöyden var derfor nyttig slik at han kunne observere anleggene på nært hold, og bli bedre kjent med brukerne av produktene han lager.

– Besøket ga meg en bedre intuisjon for systemet, som er nyttig i modelleringen, og i dialog med de som arbeider i vindparken. Det aller viktigste har vært å møte de som skal bruke det vi lager til slutt fysisk. Jeg sitter i hvert fall igjen med et helt annet perspektiv etter å ha hengt to dager med vedlikeholdsteknikerne. Det er tross alt arbeidskarer som skal bruke verktøyene vi lager, ikke andre kontorrotter, forteller Martin.

Martin inspiserer det tekniske utstyret i ført fullt verneutstyr og neonguldress.
Bildetekst: Martin synes det var nyttig å observere systemene på nært hold. Bilde: Martin Tveten.
Seniorforsker, Martin Tveten står i fullt sikkerhetsutstyr på en grusslette. Han har neongul dress, hvit hjelm og sikkerhetsseler. Det er er grå, regnværsdag. Trær skimtes i bakgrunnen,
Bilde: Aldri et kjedelig øyeblikk som NR-forsker. Her er Martin på plass i Björkhöyden vindpark.
Bilde: Martin Tveten.

Verktøy for ulike typer datastrømmer

NR spesialiserer seg på tilstandsovervåkning av teknisk utstyr, men Martin forklarer at han utvikler generelle verktøy som kan benyttes på tvers av bransjer og prosjekter.

– I prinsippet er verktøyene jeg utvikler relevante for alle som håndterer datastrømmer over tid. Alle som gjør dette må kvalitetssikre og rense dataene, og dermed se etter uregelmessigheter. Det gjelder å oppdage avvikene slik at man enten kan fjerne de, eller finne de fordi det peker til en interessant hendelse.

Anvendbarheten av kodepakkene Martin utvikler vises i andre prosjekter han jobber med, som EarOnEdge. EarOnEdge er et samarbeidsprosjekt med Carl-Inge Colombo Nilsen (NR), SoundSensing, Eiendomshuset Malling og Sintef Digital, og handler om å oppdage ulyder i næringsbygg. I tillegg har Martin i lengre tid bistått ABB med å utvikle bedre systemer for overvåkning av temperaturer i skipsmotorer.

Automatisering av vedlikeholdsarbeid

Manuell håndtering av datastrømmer kan være både tidkrevende og kostbart. I en automatisert prosess benyttes sensorer til å overvåke systemene kontinuerlig, og varsle ved avvik eller feil. Dette kan effektivisere vedlikeholdsarbeid og minske nedetid på en pålitelig og nøyaktig måte.

Etter Björkhöyden har Martin en annen forståelse av hvor ressurskrevende en falsk alarm kan være.

– Det innebærer mye tungt utstyr, sikkerhetsrutiner, klatring, svette, og en ulidelig treig heistur, potensielt midt på natta.

Aktuelle prosjekter

Temaside

Avviksdeteksjon handler om å observere og analysere data over tid, og identifisere hendelser som skiller seg ut.