Til hovedinnhold

Modellering, analyse og kunstig intelligens

Modellering, analyse og kunstig intelligens

SINTEF har en tung kompetanse innen matematiske modellering og analyse. Med bruk av informasjon fra målinger innhentet fra fysiske systemer kan komplekse system analyseres og representeres i modeller.

Med hjelp av gode valg av hvilken data som er nyttig kan effektiv instrumentering med sensorer utføres på en kostnadseffektiv måte. Vi har erfaring av bruk av digitale modeller for å overvake og vise tilstand i sanntid, men også av prediktive modeller og simulering for å teste mulige scenarier. Både data drevne og fysikalske modeller brukes avhengig av hva som er mest hensiktsmessig for en spesifikk problemstilling.

Vi arbeider innen disse områdene:

  • Optimalisering
  • Digital tvilling
  • Prediktiv modellering
  • Kunstig intelligens

Typiske oppdrag for oss er:

  • Modellering av mikrovær, indusert av terreng og bygninger
  • Utvikling av digital tvilling for simulering og optimalisering av kraftnett
  • Bruk av data fra AMS måler for å analysere effekt av solceller hos plusskunder

Metodene vi bruker:

  • Simuleringer basert på fysiske og datadrevne modeller
  • Maskinlæring, for eksempel forklarbarhet av maskinlæring og maskinlæring i reguleringssystemer (ML-in-the-loop)
  • Tilstandsestimering, for eksempel av kratflyt og komponenttilstand
  • Informationsmodellering

Hvorfor velge SINTEF?
SINTEF har bred erfaring innen matematikk og modellering og kan finne rett angrepsmåte for forskjellige utfordringer. SINTEF ligger i også fremkant ved bruk av AI og maskinlæring.

Hvem gjør vi dette for?

  • Norsk industri
  • Nettselskap
  • Forvaltning ……

Les også: