header-pattern-bg

Konsten att hitta små saker i enorma datamängder

Del av fokusområde Smarta städer och samhällen

Sepideh Pashami använder big data för att förutse inte bara vad som händer när faktorer ändras i en process, utan varför. I ett projekt med Volvo arbetar hon nu med ett system som kan förutse lastbilars behov av underhåll, innan behovet uppstår.

"Eftersom Högskolan i Halmstad är ett mindre lärosäte har du möjlighet att utvecklas snabbt som forskare, med nära samarbete och stöd från dina kollegor."

Sepideh Pashami

Efter studier vid Teherans universitet i Iran och en doktorsexamen vid Örebro universitet kom Sepideh Pashami till Högskolan i Halmstad 2015. På Högskolan är hon involverad i flera projekt som bygger på analyser av big data, det vill säga stora datamängder insamlade av olika typer av sensorer och datorer. Sepideh Pashamis roll i projekten är att läsa ut information från denna data med hjälp av statistisk maskininlärning. Sepideh Pashami arbetar en dag i veckan på Volvo AB med det Vinnovafinansierade projektet ”Data-Driven Predictive Maintenance for Trucks”.

– Målet är att förutse kommande behov av underhåll på lastbilar. Projektet som sker i samverkan mellan Högskolan och Volvo har pågått länge och det finns redan utarbetade lösningar. Mitt projekt går ut på att förbättra systemet för en noggrannare precision och färre falsklarm, säger Sepideh Pashami och förklarar att även en procentuellt sett liten minskning av andelen felaktiga larm får stor effekt om systemet implementeras i stor skala.

Att förutse när lastbilar kommer att behöva repareras är bara ett av flera projekt som Sepideh Pashami arbetar med, såväl tillämpade som teoretiska. Ett teoretiskt projekt går ut på att nå djupare i analyserna av stora datamängder. Resultat kan på sikt komma att förbättra och fördjupa de metoder som redan nu arbetas fram. Stora mängder data ska kunna strömmas i realtid från många olika lastbilar. Utmaningen är att även analysera datamängden i realtid, vilket ger möjlighet att skapa mer avancerade lösningar som kan spåra och förutse behov av underhåll i bilarna, medan de rullar.

Lastbil

Sepideh Pashami är del i ett projekt som ska kunna förutse behov av underhåll på lastbilar.

Om forskaren Sepideh Pashami

Ålder: 32
Titel: postdoktoral forskare
Område: Data Mining, Machine learning
Forskningsprojekt i fokus: Data-Driven Predictive Maintenance for Heavy-Duty Vehicles

Att förstå på en högre nivå

– En av de forskningsinriktningar som jag undersöker handlar om causal inference, vilket innebär att analysera orsak och verkan i en process för att kunna dra slutsatser som väger in effekter av förändringar i underliggande mekanismer. Vi vill gå bortom svaren på de förutsägbara frågorna och förklara det förväntade resultatet genom att förstå de underliggande orsakerna och deras verkan. Det här går i linje med det pyramidformade målet för forskningsprogrammet Centrum för tillämpade intelligenta system, CAISR, vid Akademin för informationsteknologi, där målet är att gå från data till kunskap och nå den högsta nivån av förståelse.

Var befinner ni er idag?

– Vi har lämnat datanivån och är på nästa steg, vilket är information. Men vi vill gå ännu högre till kunskaps- och förståelsenivåerna, säger Sepideh Pashami.

Anledningen till att hon valde Högskolan i Halmstad var för att röra sig mot fältet dataanalys, med fokus på verkliga problem.

– Högskolan i Halmstad är en bra plats för mig att fortsätta i den riktningen, där målet är att samarbeta nära industrin. Det är en jättebra erfarenhet för mig som ung forskare att lära mig kombinera forskningens behov med industrins. Jag lär mig hur företag fungerar och vad de väntar sig av forskningen, jag tror att alla tjänar på den här formen av samverkan, säger Sepideh Pashami och förklarar att även forskarna samarbetar i olika projekt.

Sepideh och Jens

Det finns många kontaktytor och gemensamma nämnare inom forskargruppen. Sepideh Pashami hoppas få möjligheten att starta ett gemensamt projekt med kollegan Jens Lundström, som forskar om trygghetslarm och det intelligenta hemmet.

– Målet inom CAISR är att skapa medvetna intelligenta system. Det gemensamma målet gör att vi kan samarbeta forskare emellan, förklarar Sepideh Pashami, som har planer på att samarbeta med kollegan, forskaren och biträdande lektorn, Jens Lundström, vars forskning kretsar kring trygghetssystem i det intelligenta hemmet.

– Vi är båda intresserade av att använda data för att skapa intelligenta system, Jens genom det smarta hemmet och jag genom data som hämtas från fordon. Han vill förutse människors hälsostatus och jag vill förutse lastbilarnas. Det finns skillnader i våra projekt men också likheter som gör det spännande att samarbeta. Miljön på Högskolan gör det möjligt att skapa den sortens synergier genom samverkan och forskning.

Sepideh Pashami bedömer att hon som ung forskare vid Högskolan i Halmstad har fått möjlighet att sätta sin egen signatur på forskningen genom sitt arbete.

– Eftersom Högskolan är ett mindre lärosäte har du möjlighet att utvecklas snabbt som forskare, med nära samarbete och stöd från dina kollegor. Det är något som jag har hittat här och jag ser det som en unik chans att skapa min egen forskning.

Text och bild (om ej annat anges): LOTTA ANDERSSON