Industriele systemen bestaan vaak uit complexe netwerken van machines die in samenhang moeten functioneren. Deze netwerken evolueren doorgaans in de tijd en omvatten zowel oudere als moderne apparatuur. Het creëren van een digitale twin van zulke systemen voor optimale sturing vraagt enorm veel middelen en is in de praktijk vaak niet haalbaar door de vele varianten, verouderde onderdelen en productie-inconsistenties. Die uitdaging is extra groot bij oudere machines met beperkte sensordata. Atlas Copco ondervindt gelijkaardige moeilijkheden met zijn centrale controller, een toestel dat ontworpen is om compressoren en luchtnetwerken te optimaliseren zodat het energieverbruik minimaal blijft. In deze presentatie krijg je inzicht in hoe deze uitdagingen kunnen worden aangepakt via een combinatie van methodes gaande van industriële regeltechniek en optimalisatie tot machine learning.