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.

MLOps4ECM leverde een end-to-end referentiekader op voor het operationaliseren van machine-learningmodellen op edge-hardware binnen industriële omgevingen. Via zes bedrijfsuse-cases, drie demonstratoren en drie uitgebreide handleidingen toont het project hoe data-beheer, modelversionering, geautomatiseerde training, deployment en monitoring op embedded systemen efficiënt kunnen worden ingericht. Bedrijven kregen concrete pipelines, codevoorbeelden en gevalideerde tools aangereikt, toegepast op realistische scenario’s zoals driftdetectie, machine vision, energie-efficiënte inference en sensordata-analyse. Met meer dan 40 bereikte ondernemingen, 29 bedrijven die aangeven de methodiek verder te implementeren en structurele verankering in opleidingen versterkt het project zowel de technologische maturiteit als de innovatiecapaciteit van de Vlaamse maakindustrie. De resultaten maken het voor bedrijven eenvoudiger om betrouwbare, schaalbare en kostenefficiënte edge-AI-toepassingen te realiseren en vormen een directe hefboom voor toekomstige digitale transformatietrajecten. De resultaten van het project kunnen teruggevonden worden op de projectwebsite www.mlops4ecm.be.