72000欧元。这就是芯片制造机因故障而故障一小时的成本。公司想尽一切代价防止此类故障是合乎逻辑的。他们的解决方案是预防性维护：及时检测潜在缺陷，以便他们可以在为时已晚之前进行干预。然而，预测最佳维护时间（既不太迟，也不太早）并不容易，尤其是因为每件设备都不同。博士研究员柯林·德伦特在智能数学模型和数据中找到了这一挑战的答案鈥攍数据的ots。他最近获得了数学和计算机科学系的荣誉博士学位。
芯片机并不是唯一的高科技设备，其故障可能会花费大量金钱（有时甚至生命）。想想火车或飞机、医院的CT扫描仪或海上的风力涡轮机。据估计，计划外机器故障每年给全球企业造成约500亿欧元的损失。其中大约一半是由于故障。换句话说，相当数量。
随机运筹学研究小组的研究员柯林·德伦特说：“因此，对于企业来说，及时检测关键部件可能出现的故障至关重要，这样他们就可以在为时已晚之前进行维修或更换。”。“但当然，公司也不想过早干预：零部件价格昂贵，你更愿意尽可能长时间地使用。”
昂贵的扫描仪
为了确定干预的最佳时间，德伦特研究了飞利浦所谓的IXR扫描仪。这些昂贵的CT扫描仪允许医生进行图像引导手术，对患者的侵入性最小。
德伦特在研究过程中很快发现，预防性维护的标准模型在这种情况下并不适用。“他们假设设备都是一样的，因此你可以非常确定地预测何时需要更换某些部件。但这通常不是真的。每个CT扫描仪都不同，使用的方式和地点也不同。想想温度或湿度。”
幸运的是，这些现代设备由于配备了许多传感器，产生了大量数据。“我们可以使用这些数据使我们的模型变得越来越智能。通过这种方式，我们能够对每个设备和组件进行具体预测，即使我们事先不知道哪些因素会影响老化过程。”
德伦特使用了两种不同的分析方法：贝叶斯学习和马尔可夫决策模型。“这有两个优点：通过将贝叶斯学习的学习能力与马尔可夫决策模型相结合，我能够使我的预测更加准确。此外，这些算法非常透明。因此我们确切地知道发生了什么以及原因。在这方面，这些算法补充了传统的人工智能方法，例如深度学习，在深度学习中，精确的工作仍然存在藏在一个黑盒子里。"
最后，与标准型号相比，研究人员设法将IXR设备的维护成本平均降低了约10%至20%。“如果你看看有多少钱花在维护这种高科技设备上，那真的很多：这种机器的维护成本通常至少与购买成本一样高。”
双胞胎
德伦特（28岁）在晋升典礼上被告知，他以优等成绩获得了博士学位。“这让我大吃一惊，但我的上司后来告诉我，这主要是因为我对该领域的贡献以及我的方法的广泛适用性。”
除了CT扫描仪，他还研究了其他五种情况。这表明，他的模型在原则上也适用于风力涡轮机和芯片机，例如。因此，德伦特将他的模型称为“统一框架”
虽然他的大部分研究是数学的，但这位研究人员最初是一名工业工程师。这就是他博士毕业后将重返的领域。8月底，德伦特将开始在工业工程与创新科学系的运营规划会计与控制研究小组担任助理教授。
在那里，他将加入他的孪生兄弟梅尔文的行列，梅尔文最近也开始在OPAC小组担任助理教授。这是巧合吗？“不完全是。我哥哥和我一直有着相同的兴趣。我们也可以一起工作得很好。所以我真的很期待我的新工作。”