Kenniscentrum Digital Operations & Finance

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.

De ontwikkelingen gaan razendsnel in het industriële Internet of Things, in de sensortechnologie en de data-analyse en -optimalisatie. Door van die recente ontwikkelingen gebruik te maken, kunnen we gebreken aan en uitval van machines beter voorspellen. Door onderhoud net op tijd (just-in-time) uit te voeren, dus vlak voordat een systeem daadwerkelijk uitvalt, kunnen bedrijven hun onderhoudskosten terugbrengen, terwijl de in-bedrijfstijd toeneemt.

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.


Afbeelding2

Foto: 3d Test set-up

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/

Artikel:              https://nieuws.hhs.nl/ons-nieuws-nl/primavera-project-de-uitdagende-route-naar-voorspellend-onderhoud/

Geplande evenementen

De colloquia die we met regelmaat organiseren, vindt u op de website 
https://primavera-project.com/colloquium/

Projectleider

Alieh Alipour, A.Alipour@hhs.nl

Team

Het PrimaVera-onderzoeksteam bestaat uit de volgende personen:

  • Alieh Alipour leidt het PrimaVera-project, is onderzoeker in het lectoraat Smart Sensor Systems en docent bij de opleiding Wektuigbouwkunde. Zij is expert op het gebied van assetmanagement, predictive maintenance en finite element modelling. 
  • John Bolte is lector Smart Sensor Systems.
  • Rufus Fraanje is onderzoeker in het lectoraat Smart Sensors Systems, docent bij de opleiding Mechatronica en coördinator van de minor Robotics and Vision Design. Hij is expert op het gebied van machinelearning, smart mobility, robotics en Smart Health - agrotech in kas.
  • 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.

Vlog Test-setup PrimaVera