Saxion-lectoraat Ambient Intelligence ontvangt PrimaVera-subsidie

“Ons lectoraat stuurt verschillende onderzoeksprojecten aan rond data in de smart industry,” vertelt Wouter. “We helpen bedrijven die zich afvragen of ze data kunnen meten en inzetten om de kwaliteit van hun product te verbeteren of juist hun processen efficiënter te maken. Altijd werken we samen om te schakelen tussen het werkveld en onderzoek.

Bij een bedrijf als Scania richten we ons samen met Hogeschool Windesheim op predictive maintenance aan machines. Op basis van data kunnen we steeds preciezer voorspellen wanneer bepaalde onderdelen aan onderhoud of vervanging toe zijn. Daarmee voorkom je dat de productie stil komt te liggen en je zes weken moet wachten tot het benodigde onderdeel weer binnen is. Vanuit de werktuigbouw waren we gewend een machine te ontrafelen en een risicoanalyse uit te voeren op de onderdelen. Onze insteek is anders. We verzamelen data met sensoren. Bij het project met Scania is Saxion verantwoordelijk voor de data-gedreven analyse. 

In het PrimaVera-programma, waarin we samenwerken met bedrijven, overheidsinstellingen en een aantal universiteiten, trekken we deze lijn door. Saxion is verantwoordelijk voor het meten en verzamelen van data in een Internet of Things-platform.

We trekken intensief op met de Haagse Hogeschool en de Universiteit Twente. De TU Eindhoven en de Radboud Universiteit zijn verantwoordelijk voor het ontwikkelen van nieuwe algoritmen. Daarmee maken we machines steeds slimmer en optimaliseren we hun werking. In de industrie ben je uiteindelijk niet geïnteresseerd in de trillingen, frequenties of temperatuur van een machine, maar wil je voorkomen dat hij zal uitvallen. We verzamelen onze data met sensoren, analyseren wat er gebeurt en koppelen de uitkomsten weer terug. We kijken in andere projecten ook hoe je augmented reality, virtual reality, mixed reality en digital twins kunt inzetten om dat zo goed mogelijk te doen. Denk daarbij aan het maken van een digitale kopie van je machine, die je helemaal kunt analyseren en ontrafelen. Je gebruikt je data om digitaal te visualiseren wat er feitelijk gebeurt, dus bouwt een hele wereld op zich. Digital twins is het toverwoord van tegenwoordig.

Een ander voorbeeld is ons project ‘Kunstwerk in Control’. De brug over het Twentekanaal is smal en niet gebouwd voor de huidige hoeveelheid verkeer die er overheen moet. Bij het meten van trillingen verzamel je data over zo’n brug. Als je die visualiseert, krijg je grip op wat er nodig is voor onderhoud of bij vervanging. Eigenlijk wil je gewoon met een Google Glass of een Hololens naar zo’n brug kijken. Je zet ambient intelligence in om het onzichtbare zichtbaar te maken.

We meten niet alleen machines, maar ook mensen. Bijvoorbeeld in de sport of op het gebied van revalidatie. Ook daar speelt het verzamelen en analyseren van data een steeds grotere rol. Als lectoraat werken we samen met voetbalclubs om lichamelijke overbelasting te meten en sportblessures te voorspellen. Met Roessingh Research & Development in Enschede werken we nauw samen rond het meten aan mensen voor het monitoren van herstel.

Ons lectoraat Ambient Intelligence bestaat nu bijna 20 jaar. In die periode zijn we steeds meer opgeschoven richting de gebruiker, om vorm te geven aan een slimme leefomgeving. Ambient Intelligence is eigenlijk een wereldvisie: technologie is overal, maar nauwelijks zichtbaar. Onze onderzoekslijnen zijn gebouwd rond de doelstelling dat alles slim en data driven wordt. Als we kijken naar Artificial Intelligence zien we een heel breed onderzoeks- en toepassingsterrein. Machine Learning is daar een onderdeel van, net als Deep Learning. Het hele terrein van big data wordt wereldwijd steeds belangrijker. Binnen en buiten Saxion zullen we dat in allerlei opleidingen en vakgebieden de komende jaren gaan terugvinden als enabling technology. Niet alleen door wat we zelf bij mensen, dieren en machines kunnen meten en analyseren, maar ook met bestaande onderzoeksgegevens, de open data die beschikbaar is via het internet.

Uiteindelijk kun je Artificial Intelligence een beetje zien als een black box. Als buitenstaander begrijp je niets van wat er gebeurt. Dat is heel anders dan vroeger, toen we alles tastbaar tot op de laatste schroef konden ontleden. Daarom is ‘Explainable AI’ in opkomst. Onze uitdaging is inzichtelijke te maken wat er gebeurt. Bijvoorbeeld door medewerkers in de fabriek uit te leggen hoe hun machine zichzelf leert wanneer hij aan vervanging toe is. Dat is de volgende uitdaging waar we voor staan.”