Kenniscentrum Digital Operations & Finance

Lectoraat Smart Sensor Systems

Hoe kunnen agrarisch ondernemers voor het ideale klimaat in hun kassen zorgen, zodat hun tomatenplanten zo veel mogelijk exemplaren van het smaakvolste soort afleveren? Is het mogelijk zelfsturende rolstoelen te ontwikkelen, waardoor ouderen langer mobiel blijven en zelfstandig op bezoek kunnen bij familie en vrienden? En op welke manier meet je wat de blootstelling is aan schadelijke omgevingsfactoren zoals fijnstof, geluid of straling

Jaarverslag 2019 (pdf)
Over het lectoraat

Slimme meetinstrumenten en sensoren (statisch, mobiel en zelfs draagbaar) leveren een wereld aan nuttige gegevens en toepassingen op. Voor het bedrijfsleven, de zorg, maar ook andere sectoren. Het lectoraat Smart Sensor Systems richt zich op het ontwerp en de ontwikkeling van dergelijke meetnetwerken, maar ook op het verwerken en terugkoppelen van metingen.

Preventie en predictie zijn de kernwoorden van het lectoraat. Meten is weten. En weten is vóór zijn. Of het nu gaat om predictieve modellen voor gezondheid en (arbeids)veiligheid of early warning systems voor preventief onderhoud van machines. Voorkomen is beter – en goedkoper – dan genezen of repareren.

Over de lector

dr. John Bolte

John Bolte studeerde af als aardbevingsseismoloog aan de Universiteit Utrecht. In 2003 promoveerde hij aan de TU Delft op het gebied van akoestische imaging. Al vanaf 2002 werkt hij als scientific project manager voor het Rijksinstituut voor Volksgezondheid en Milieu (RIVM). Hij  schreef bijvoorbeeld aan een nationale richtlijn voor de bescherming van werknemers tegen elektromagnetische velden. Bij het RIVM deed hij ook jarenlange ervaring op met het ontwikkelen en toepassen van draagbare meetinstrumenten (wearables). Hij kreeg diverse onderzoeksubsidies toegekend van ZonMw en RIVM (> 1,25 Miljoen Euro). John Bolte studeerde in 2011 af als milieuepidemioloog aan de Vrije Universiteit en werd in 2016 benoemd tot lector aan De Haagse Hogeschool. In 2020 is hij aangesteld als directeur (leading lector) van het Kenniscentrum Digital Operations & Finance.
Commissies en nevenfuncties:
- Lectorenplatform Domein Applied Sciences
- Platform Praktijkgericht ICT-onderzoek (PRIO)
- NWA Meten en Detecteren van gezond gedrag
- Beroepenveldcommissie opleiding Data Science i.o.

+31 (0) 15 - 260 63 86
j.f.b.bolte@hhs.nl
Met behulp van slimme sensoren kunnen we de gezondheidsrisico’s van medewerkers al vroeg in kaart brengen.
Met statische, mobiele en zelfs draagbare sensors (wearables) kunnen zowel de milieublootstelling als de biologische en gezondheidseffecten (gelijktijdig) gemeten worden. Dit geeft bijvoorbeeld de mogelijkheid om in ruimte en over tijd de blootstellingsvariaties te monitoren en deze eventueel te verminderen. Denk hierbij aan terugkoppelingssystemen die verkeer automatisch omleiden. Bij mens en dier geeft het de mogelijkheid gelijktijdig het verplaatsings- en bewegingsgedrag, voedingspatroon, het persoonlijke externe exposoom en daarnaast gezondheidsfactoren te bemeten. Denk hierbij ook aan participatie van burgers die zelf in meer of mindere mate blootstelling meten, het zogenaamde Citizen Science, maar ook hun lichaamsfuncties (o.a. fitbit en smart watches) en gezondheidsparameters testen, het zogenaamde Quantified Self. Daarmee kan de sterkte van eventuele individuele blootstelling-gezondheidsrelaties worden bepaald, en kan deze kennis op basis van predictiemodellen en interventies toegepast worden in smart (personal) medicine. Ook bij planten kunnen sensoren worden ingezet om gelijktijdig omgevingsfactoren en groeifactoren te bemeten en deze kennis toe te passen op basis van predictiemodellen en via terugkoppelingssystemen en interventies in smart (sustainable and precision) farming.

Het toegekende Raak MKB project Scout voor het meten in de kas zit in deze lijn. Op het gebied van wearables is aansluiting met TNO en GVS Diëtiek, en zal naast wearables voor milieublootstelling ook gekeken worden naar te ontwikkelen wearables om objectief gedrag, gezondheids- en biologische functies te meten. Ook hebben we een samenwerking met het CBS en de Universiteit Utrecht om subjectieve vragenlijstmetingen te vervangen door goedkope objectieve waarnemingen met sensoren. Deze onderwerpen worden komend collegejaar verder uitgewerkt door een bij ons gedetacheerde TNO-er. Ook zal er gekeken worden naar de gevoeligheid van specifieke groepen mensen voor bepaalde blootstellingen, bijvoorbeeld naar de relatie van elektromagnetische velden met gezondheid. Ook ontwikkelen we in samenwerking met Medux /Digital Angel het Internet of Medical Things voor het monitoren van gedrag, voedselinname, activiteiten en blootstelling van ouderen. Een andere samenwerkingsovereenkomst loopt met de GGD Haaglanden op het gebied van CO monitoring op afstand in huizen boven Sisha lounges. 

Machine Health borgen door smart maintenance, op tijd en slim onderhoud plegen, zorgt naast veiligheid voor een optimale productiecapaciteit. Kleine sensoren en embedded systems geven real-time informatie over de slijtage en levensduur van machines. Door predictiemodellen op basis van deze sensorgegevens over langere tijd en meerdere machines kan het optimale punt van onderhoud gekozen worden. Waarbij de effectiviteit wordt vergroot door de kosten wegens haperen van het productieproces af te wegen tegen de onderhoudskosten. Ook spelen sensoren en predictiemodellen een belangrijke rol in inspectiesystemen en vroegtijdige waarschuwingssystemen (early warningsystems) voor werker en omgeving. Omgevingsveiligheid is een voorwaarde voor het uitoefenen van risicovolle bedrijfsactiviteiten, denk bijvoorbeeld aan de chemische en de metaalindustrie. Veiligheid wordt verzekerd door het plegen van preventief onderhoud en het nemen van maatregelen om risico’s te beperken voor de omgeving en de werknemer. Arboveiligheid gaat naast procesincidenten ook over langdurige blootstelling van werknemers, bijvoorbeeld op het gebied van biologische agentia zoals microben en schimmels, fysische agentia zoals geluid, luchtkwaliteit en straling, chemische agentia zoals bij concentratie van potentieel giftige en explosieve stoffen, en andere niet direct waarneembare risico’s.

In het lopende project Meten-op-de-werkplek  bij wegwerkers van de Leeuwensteingroep en bouwlieden van Heijmans met TNO, ArboUnie, RIVM worden nu multiple exposures gemeten met wearables (locatie, temperatuur, luchtvochtigheid, UV, geluid en fijnstof). In het promotieonderzoek Eminent wordt gekeken naar optimale voorlichting over niet direct waarneembare blootstellingsrisico’s aan blauwe-boordenwerknemers.



De kennis die in deze onderzoekslijn wordt opgedaan staat in dienst van de onderzoeken Smart Health en Smart Safety. Immers, metingen moeten gedaan worden door statische of mobiele systemen zoals drones en inspectierobots die bij voorkeur ook autonoom bewegen. Bij autonoom bewegen is het combineren van diverse soorten sensoren, zogenaamd sensor fusion, van groot belang. De data moet via een optimaal acquisitiesysteem slim verzameld worden, dus precies genoeg om de vraag te beantwoorden. De volgende bewerkingsstappen zijn immers tijdsintensief en kostbaar: metingen bijeenbrengen via veilige draadloze netwerken, opslaan en archiveren, cleanen en via big data analytics bruikbaar maken voor observatie, predictiemodellen en terugkoppelingssystemen. Deze lijn is een permanente basis voor de ontwikkeling van andere onderzoekslijnen.

Het LearningLab Urbinn over de ontwikkeling van autonoom rijdende voertuigen bundelt een reeks projecten zoals de Twizzy en de zelfrijdende prullenbak. In het project de Slimme Rolstoel worden verschillende sensoren, zoals Lidar, ultrasoon en 3D vision,gecombineerd om kaarten van statische en dynamische objecten te maken en via algoritmes routes bepaald en vervolgens gereden. In het aangevraagde SIA Raak MKB project Let’s move IT wordt gekeken naar een geïntegreerd fleetmanagement systeem. De HHS zal in dit project autonome navigatie systemen ontwikkelen die veilig kunnen opereren in dynamische omgevingen, met bijvoorbeeld mensen en andere mobiele robots.
Deze onderzoekslijn behelst de ontwikkeling van autonome en duurzame voertuigen, en bundelt een reeks projecten binnen deze onderzoekslijn zoals de autonoom rijdende rolstoel, de zelfrijdende prullenbak, de waterstofauto, de elektrische raceauto (The FormulaCruisers), Twizy en het last mile vehicle de Alley Hoop. In het project de Slimme Rolstoel worden verschillende sensoren, zoals Lidar, ultrasoon en 3D vision, gecombineerd om kaarten van statische en dynamische objecten te maken en via algoritmes routes bepaald en vervolgens gereden.
Projecten

Projecten

PrimaVera

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. 

Lees verder
URBINN

URBINN

URBINN is het LearningLab rondom autonoom rijdend vervoer binnen stedelijke gebieden (last mile). Binnen URBINN wordt een autonoom rijdend voertuig ontwikkeld dat als basis zal dienen om steeds verder te ontwikkelen en waar allerlei onderzoek op en mee gedaan zal gaan worden. In de Minor Applied Data Science wordt gewerkt aan het in real-time in kaart brengen van de omgeving met behulp van stereo camera beelden.

Lees verder
Publicaties