Tiến sĩ Ali Al-Dulaimi đẩy mạnh nghiên cứu mô hình hóa suy thoái và dự báo tuổi thọ còn lại

Với gần 25 năm kinh nghiệm trong Phân tích Dữ liệu, Quản lý Chất lượng & Dự án, và Kỹ thuật Điện – Máy tính, Tiến sĩ Ali Al-Dulaimi là nhà nghiên cứu và giảng viên chuyên sâu trong lĩnh vực Khoa học Dữ liệu và Trí tuệ Nhân tạo. Nghiên cứu tiên phong của ông về mô hình suy giảm và dự đoán Tuổi thọ Còn lại (RUL) giúp nâng cao độ chính xác trong việc chẩn đoán và bảo trì hệ thống. Những đóng góp này không chỉ thiết lập những tiêu chuẩn mới trong ngành mà còn thúc đẩy sự phát triển của lĩnh vực, khẳng định vị thế học thuật và nghiên cứu của BUV. 

Trong quá trình nghiên cứu, Tiến sĩ Al-Dulaimi đã đạt được nhiều thành tựu quan trọng trong việc xây dựng mô hình Dự đoán Tuổi thọ Còn lại (Remaining Useful Life – RUL). Ông phát triển một hệ thống lọc dữ liệu thông minh, có khả năng phát hiện và phân tích các dấu hiệu suy thoái của thiết bị một cách chính xác mà không cần biết trước hệ thống sẽ hư hỏng theo cách nào. Điều này giúp cải thiện độ chính xác của dự đoán, giúp doanh nghiệp và kỹ sư có thể bảo trì thiết bị đúng thời điểm, tránh lãng phí và tăng tuổi thọ của hệ thống. 

Nghiên cứu của ông trong lĩnh vực Dự đoán Tuổi thọ Còn lại (RUL) đã mở ra nhiều bước tiến đột phá, bao gồm: 

• Mô hình học sâu lai song song đầu tiên để ước tính RUL, 

• Mô hình học sâu lai chịu nhiễu đầu tiên, được huấn luyện và kiểm thử trên dữ liệu thực tế có nhiễu, 

• Khung mô hình song song đa tuyến chịu nhiễu đầu tiên cho dự đoán RUL, 

• Thiết lập các tiêu chuẩn mới trong ngành với độ chính xác dự đoán vượt trội. 

Nhờ những đóng góp quan trọng trong lĩnh vực này, Tiến sĩ Al-Dulaimi đã nhận được Giải thưởng Bài báo Xuất sắc nhất tại Hội nghị Quốc tế IEEE về Quản lý Sức khỏe & Tiên đoán (ICPHM 2020) và Giải thưởng Prediction Era (2019) do Chương trình Sáng kiến Cộng đồng tại Montreal, Canada trao tặng. 

Bên cạnh nghiên cứu trong lĩnh vực kỹ thuật, Tiến sĩ Ali còn mở rộng ứng dụng AI vào y học, đặc biệt trong hỗ trợ chẩn đoán và theo dõi quá trình phục hồi xương. Ông đã hợp tác với các nhà khoa học tại Vương quốc Anh để phát triển hệ thống theo dõi gãy xương bằng trí tuệ nhân tạo và cảm biến tần số vô tuyến (RF sensing). Hệ thống này giúp theo dõi quá trình phục hồi xương theo thời gian thực mà không cần dùng đến tia X, đảm bảo độ chính xác cao trong việc đánh giá giai đoạn lành xương. Bằng cách tích hợp RF sensing với AI, nghiên cứu này mở ra tiềm năng lớn trong việc cá nhân hóa phương pháp điều trị, giúp bệnh nhân được can thiệp kịp thời và cải thiện hiệu quả phục hồi. 

Hiện tại, Tiến sĩ Al-Dulaimi đang tiếp tục mở rộng các dự án nghiên cứu liên ngành, ứng dụng AI không chỉ trong kỹ thuật mà còn trong y học và nhiều lĩnh vực khác. Những nghiên cứu này không chỉ củng cố vị thế học thuật của BUV mà còn thúc đẩy sự phát triển của công nghệ AI trong thực tế, mang lại lợi ích thiết thực cho cộng đồng và doanh nghiệp. 

Đọc thêm các nghiên cứu của Tiến sĩ Ali Al-Dulaimi về chủ đề này tại đây:

[1] A. Al-Dulaimi, A. Asif and A. Mohammadi, “Modeling Degradation Paths Based on Interactive Multiple Model Particle Filters for Prognostic Health Management”, IISE Annual Conference, QCR-S8: Reliability Analysis – II, 2018. 497-502. 

[2] A. Al-Dulaimi, S. Zabihia, A. Asif, and A. Mohammadi, “A multimodal and hybrid  deep neural network model for Remaining Useful Life estimation,” Computers in Industry, vol. 108, pp. 186-196, 2019.  

 [3] A. Al-Dulaimi, S. Zabihi, A. Asif, A. Mohammadi, “NBLSTM: Noisy and Hybrid CNN and BLSTM-based Deep Architecture for Remaining Useful Life Estimation”,  ASME Journal of Computing and Information Science in Engineering, no. 1182, 2019.  

 [4] A. Al-Dulaimi, A. Asif, and A. Mohammadi, “Noisy Parallel Hybrid model of NBGRU and NCNN Architectures for Remaining Useful Life Estimation,” Quality Engineering, Special Issue on Reliability Engineering, vol. 32, issue 3, pp. 371-387, 2020. 

 [5] A. Al-Dulaimi, A. Asif and A. Mohammadi, “Multipath Parallel Hybrid Deep Neural Networks Framework for Remaining Useful Life Estimation,” IEEE (ICPHM), pp 1-7 2020. [Giải thưởng Bài báo Xuất sắc nhất].