DataFlow: Data must flow for data-driven Digital Manufacturing

Lectoraat:

Jaartal: 2024

Looptijd: 24 maanden

Doel

Het project DataFlow heeft als doel om mkb-bedrijven te ondersteunen in het effectief inzetten van data voor innovatie. Door praktijkcases, labexperimenten en kennisdeling ontwikkelen we een toegankelijke en gevalideerde aanpak voor data-gedreven werken. Centraal staat het inzichtelijk maken van hoe data verzameld, beheerd en geanalyseerd kan worden om bedrijfsprocessen te verbeteren en nieuwe verdienmodellen te realiseren. Dit gebeurt in nauwe samenwerking met TValley-partners en lectoraten van Saxion en Windesheim.

Aanleiding

Hoewel data steeds belangrijker wordt binnen Industrie 5.0, hebben veel MKB’s moeite om deze technologie succesvol toe te passen. Grote bedrijven hebben R&D-capaciteit, maar MKB’s ervaren technische en organisatorische drempels. Eerdere initiatieven zoals Change2Twin en Data in Smart Industry tonen het potentieel, maar ook de complexiteit. DataFlow is gestart vanuit de TValley-community om deze kloof te overbruggen, met specifieke aandacht voor Digital Twins, AI/ML, en IoT in MKB-context.

Kennis en stand van het onderzoek

DataFlow bouwt voort op bestaande kennis van lectoraten Ambient Intelligence en Smart Mechatronics & Robotics van Saxion, en Digital Business & Society van Windesheim. In deze lectoraten is al ervaring opgedaan met dataverzameling, AI-toepassingen en digital twinning. Toch blijft de vraag bestaan hoe deze technologieën geïntegreerd kunnen worden in mkb-omgevingen op een schaalbare en praktische manier. Vanuit eerdere projecten blijkt dat standaardisatie en een gestructureerde aanpak ontbreken. DataFlow vult dit gat door middel van een empirische, cyclische aanpak (actieonderzoek), waarbij best-practices worden verzameld, gevalideerd en direct toegepast in zowel lab- als industriële omgevingen. De samenwerking met bedrijven als Bronkhorst, benchmark, RIWO en Voortman maakt het mogelijk om realistische data-uitdagingen te onderzoeken en gezamenlijk oplossingen te ontwikkelen. Daarnaast wordt gewerkt aan een generieke Data and ML architectuuren, een demonstrator-lab en een praktische wiki die door bedrijven gebruikt kan worden.

Beoogde resultaten

Het project levert vier concrete uitkomsten op:

  1. Een gevalideerde data en ML (engineering) ontwerpaanpak, specifiek gericht op MKB’s.
  2. Een DataFlow-lab bij Saxion met een Digital Twin-demonstrator.
  3. Een generieke data- en ML-architectuur waarmee bedrijven productie of productlevensduur kunnen voorspellen.
    Deze resultaten maken het voor mkb’s makkelijker om data effectief in te zetten, wat leidt tot hogere efficiëntie, kostenreductie en versterkte concurrentiekracht.
  4. Een dynamische wiki met best practices voor data-acquisitie, -beheer en -analyse.

Activiteiten & projectaanpak

Het project volgt een cyclische aanpak in vijf werkpakketten:

  • WP1: Analyse van behoeften en casussen,
  • WP2: Ontwikkeling van methoden en tools,
  • WP3: Validatie in praktijkcases bij bedrijven,
  • WP4: Labexperimenten met o.a. Digital Twins,
  • WP5: Projectmanagement en kennisdeling.
    De activiteiten bestaan uit workshops, experimentele opstellingen, intervisie tussen bedrijven en iteratieve ontwikkeling van de wiki en methodiek. De combinatie van praktijkgericht onderzoek en samenwerking met bedrijven maakt de aanpak direct toepasbaar in de mkb-praktijk.

Partners

Betrokken bij onderzoek

Loading...

Abeje Y. Mersha

Bram Ton

Dennis Borger

Deepak Tunuguntla

Faizan Ahmed

Jeroen Linssen

Peter Ebben

Rahul Moongayil Ramakrishnan

Sjoerd Zagema

Wouter Teeuw

Resultaat

Loading...

Projectfoto's

Contact