PrimaVera
In het landelijke project Predictive maintenance for Very effective asset management (PrimaVera) onderzoeken we hoe we met big data algoritmen kunnen maken die voorspellen wanneer kapitaalgoederen onderhoud nodig hebben. De werkpakketten richten zich op drie sectoren: maritiem, infrastructuur, hightech productie.
In dit project werkt het lectoraat Smart Sensor Systems met veel andere kennisinstellingen en bedrijven samen aan de ontwikkeling van slimme systemen – fabrieken, structuren en voertuigen – in de drie sectoren maritiem, infrastructuur en hightech productie. De productie en het gebruik van die slimme systemen zijn volledig geautomatiseerd. De machines rapporteren online over hun eigen prestaties en plannen hun eigen onderhoud in. De heilige graal in onderhoud is predictive maintenance.
In dit project werkt het lectoraat Smart Sensor Systems met veel andere kennisinstellingen en bedrijven samen aan de ontwikkeling van slimme systemen – fabrieken, structuren en voertuigen – in de drie sectoren maritiem, infrastructuur en hightech productie. De productie en het gebruik van die slimme systemen zijn volledig geautomatiseerd. De machines rapporteren online over hun eigen prestaties en plannen hun eigen onderhoud in. De heilige graal in onderhoud is predictive maintenance.
Integrale aanpak
Het PrimaVera-consortium (zie onder) richt zijn onderzoek naar predictive maintenance in de drie genoemde sectoren bijvoorbeeld op componenten in scheepsmotoren, pompen, elektromotoren, lagers en aansturingselementen zoals programmable logic controllers (PLC’s). Het consortium ontwikkelt nieuwe combinaties van model- en datagedreven voorspellingsmethoden, combineert blackbox- en machinelearningtechnieken met specifieke domeinkennis én werkt aan een integrale aanpak van het hele systeem: hardware, software, menselijke en organisatorische factoren.
Labopstelling
Voor het onderzoek zijn er nog relatief weinig metingen geweest met een begrepen oorzaak. Daarom zijn studenten van de minor Asset Management and Maintenance in een labopstelling aan de slag gegaan met het genereren van echte data. Zo kan worden bepaald wat de juiste meetposities zijn en welke type sensoren moeten worden ingezet. Met deze labopstelling testen we lagers voor korte en lange periodes onder verschillende bedrijfsomstandigheden. De testen moeten een beter inzicht geven in het gedrag van lagers, met als doel big data te genereren, zodat algoritmes voor predictive maintenancemodellen kunnen worden gevalideerd.
PrimaVera-consortium
Het lectoraat Smart Sensor Systems werkt binnen dit project samen met de Universiteit Twente, de Radboud Universiteit, de Technische Universiteit Eindhoven, de Saxion Hogeschool, het Nederlands Lucht- en Ruimtevaartcentrum (NLR), de Koninklijke Marine en grote bedrijven en organisaties zoals Rijkswaterstaat, Nederlandse Spoorwegen (NS), Damen, Technobis, Alfa Laval, Royal IHC, Rolsch, Waterschap de Dommel, ORTEC en ASML. In 2019 kende de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO) 5 miljoen euro subsidie toe aan dit consortium.
Beoogde duur van het project
De doorlooptijd van het PrimaVera-project is van 1 september 2020 tot en met 1 september 2025.
Betrokken opleidingen en/of minors
Werktuigbouwkunde
Mechatronica
Elektrotechniek
Minor Asset Management
Minor Robotics and Vision Design
Minor Embedded Systems
Financiering
Het PrimaVera-project is gefinancierd door het NWO NWA-onderzoeksprogramma Onderzoek op Routes door Consortia (ORC).
Media
Website: https://primavera-project.com/
Geplande evenementen
De colloquia die we met regelmaat organiseren, vindt u op de website https://primavera-project.com/colloquium/
Projectleider
Eric van Genuchten, h.c.m.vangenuchten@hhs.nl
Team
Het PrimaVera-onderzoeksteam bestaat uit de volgende personen:
-
Eric van Genuchten: leidt het PrimaVera-project en is parttime verbonden aan het lectoraat Smart Sensor Systems en de minor Asset Management bij de opleiding Werktuigbouwkunde. Zijn expertise ligt op het gebied van project data science, sensorontwikkeling, data-analyse, projectmanagement, assetmanagement van draaiende systemen en conditiemonitoring van lagers en tandwielkasten met een sterke focus op wind en maritieme toepassingen.
- John Bolte is lector Smart Sensor Systems.
- Derek Land: is onderzoeker in het lectoraat Smart Sensor Systems en docent bij Technische Natuurkunde. In zijn huidige werkzaamheden als docent is hij actief in het snijvlak van de natuurkunde en het gebruik van de computer. Met de nadruk op de algoritmeontwikkeling en de digitalisering van het onderwijs. Deze expertises worden ook in het lectoraat ingezet bij projecten in de agritech sector en de ontwikkeling en het testen van sensoren.
- Fidelis Theinert is onderzoeker in het lectoraat Smart Sensor Systems en docent en medeontwikkelaar van de opleiding Mechatronica. Sinds 2015 is hij bezig met de ontwikkeling van de nieuwe minor Embedded Systems voor de opleiding Elektrotechniek.
- Jeanette Prinz: is onderzoeker in het lectoraat Smart Sensor Systems en docent machine learning en kunstmatige intelligentie. Voortbouwend op haar achtergrond in bio-informatica en datawetenschap richt Jeany's huidige onderzoek zich op datawetenschapstoepassingen, bijvoorbeeld op het gebied van milieublootstellingsgegevens.
- Jerôme Kemper: is student-assistent in het lectoraat Smart Sensor Systems en werkt aan de test set-up (zie onderstaand filmpje).
