![Representanter fra GK og Universitetet i Bergen Representanter fra GK og Universitetet i Bergen](https://www.gk.no/siste-nytt/2019/inkluderer-fremtidens-ingeniorer/_/image/c530d0cf-0e15-4f89-88da-3a5596783439:21c030acbf8e393764dd71166b28c5d0862ecae1/block-1400-689/fremtidens%20ingeni%C3%B8rer.jpg?filter=sharpen%28%29)
I samarbeid med driftsorganisasjonen ved UiB, har GK utviklet et av landets største sentrale driftsanlegg (SD-anlegg). For å videreutvikle funksjonalitet, er systemets potensiale for maskinlæring satt som problemstilling i bacheloroppgaven til en gruppe ingeniørstudenter ved Høgskolen på Vestlandet.
– Studentene har fått i oppgave å bekrefte mulighetsbilde samtidig som de skal starte å utvikle en base for maskinlæring på vår Niagara NX plattform, forteller prosjektutvikler Thomas Melheim i GK Inneklima.
![Thomas Melheim_prosjektutvikler_Byggautomasjon_GK.jpg](/siste-nytt/2019/inkluderer-fremtidens-ingeniorer/_/image/1495c414-7591-480b-941f-885d965d4742:4ec71a9c2dfdb23fa942e8f6acff86465e8d6894/width-768/Thomas%20Melheim_prosjektutvikler_Byggautomasjon_GK.jpg)
Han har, sammen med systemingeniør Jan Tore Tonheim, startet prosjektet hvor studentene fra Høgskolen på Vestlandet og GK skal bruke eksisterende datasett fra et av Norges største SD anlegg - toppsystemet til Universitetet i Bergen - for å definere faktiske behov og potensialet i maskinlæring som driftsverktøy.
– Vi benytter stadig mer nettskyer, trådløse sensorer og annen ny teknologi, men i dette prosjektet er vår tanke å bruke en eksisterende teknologiplattform som base for innovasjon og nyskapning. Vi har god tradisjon for å samarbeide med Høgskolen på Vestlandet og vi mener det er viktig å inkludere fremtidens ingeniører i utviklingen av fremtidens systemer, utdyper Melheim.
Oppgaven har allerede oppdaget flere potensielle muligheter for maskinlæring.
– Vi ser en tydelig effekt av å automatisk sammenstille datasett, bruke kompliserte algoritmer med høy grad av nøyaktighet, til beregning av potensial og effekt. Vi mener det i første omgang vil være et godt verktøy for driftsoptimalisering og kan gi energibesparelser, forklarer Thomas.
Målet med oppgaven er å utvide horisonten til det vil i dag kjenner som et stasjonert SD-anlegg og lage et nytt standardprogram som tilgjengeliggjør bruken av maskinlæring.
– Teknologien vi har rundt oss i dag er spekket av maskinlæring og smarte algoritmer, dette er en unik mulighet til å knytte nye tanker, nye ressurser og innovasjon til et velfungerende prosjekt som vil gi økt kundeverdi, mener Melheim.