Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Smart Integration of Process Systems Engineering & Machine Learning for Improved Process Safety in Process Industries

Descrizione del progetto

Colmare le lacune per salvaguardare le industrie di processo

Nel regno in continua evoluzione delle industrie di processo, la sfida pressante di garantire la sicurezza e la sostenibilità assume una particolare rilevanza. Le metodologie attualmente impiegate spesso non consentono di affrontare le complessità insite nella valutazione del rischio e nella sicurezza dei processi, determinando la presenza di lacune critiche nelle pratiche del settore. Con il sostegno del programma di azioni Marie Skłodowska-Curie, il progetto PROSAFE svilupperà un programma di formazione di dottorato per colmare queste lacune, armonizzando solidi metodi di valutazione del rischio e integrando modelli all’avanguardia di intelligenza artificiale e apprendimento automatico al fine di rivoluzionare il panorama della sicurezza dei processi nelle industrie. L’obiettivo generale del progetto è quello di dare forma a una nuova era nella sicurezza dei processi, promuovendo la formazione di professionisti qualificati e affrontando problemi sociali, economici e ambientali di vitale importanza.

Obiettivo

PROSAFE proposes a novel doctoral training program in the multidisciplinary field combining machine learning, artificial intelligence, and process systems engineering with domain knowledge of process industry and process safety. PROSAFE will pioneer new foundations by integrating Quantitative Risk Assessment, Process Systems Engineering (PSE) with interpretable machine learning (ML) and artificial intelligence (AI) disciplines as targeted breakthroughs to achieve the objectives. To this end, PROSAFE will develop new synergistic tools and train skilled professionals to address this very important societal, economic, and environmental challenge of safe and sustainable process industries. PROSAFE research objectives are:
1: Harmonize robust QRA methods and implementation strategies for effective and improved risk assessment and process safety
2: Develop AI and ML (interpretable ML) models using domain knowledge for efficient, safe, and reliable operations
3: Develop synergistic integration of model-based with data-based methods for improved process safety operation and monitoring
4: Demonstration and validation of PROSAFE novel concepts and methods on industrial relevant case studies for safer operation
PROSAFE's major training objectives are:
1: Training of doctoral candidates (DCs) through individual projects combining multidisciplinary competences in the areas of AI, ML, and PSE within the domain of process safety
2: Establish and pilot the concept of a truly interdisciplinary European multicenter training program in AI/ML, QRA, and PSE within the domain of safety in process industries through relevant network-wide events, courses, workshops, and on-site industry training that complements training in soft skills for effective communication and entrepreneurship.
Through this research and training program, PROSAFE will contribute to realizing the promising potential of the new artificial intelligence paradigm with a particular focus on process safety in process industries.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-DN - HORIZON TMA MSCA Doctoral Networks

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2022-DN-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

DANMARKS TEKNISKE UNIVERSITET
Contributo netto dell'UE
€ 905 364,00
Indirizzo
ANKER ENGELUNDS VEJ 101
2800 Kongens Lyngby
Danimarca
Regione
Danmark Hovedstaden Københavns omegn
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato

Partecipanti (4)

Partner (5)