Techport Fieldlab Edge AI voor Smart Industry
Hoe kunnen bedrijven in de industrie hun energieverbruik en CO2-footprint verlagen? En hoe kunnen zij duurzamer, efficiënter en veiliger produceren? In het project Techport Fieldlab Edge AI werkt de Hogeschool van Amsterdam (HvA) met partners aan slimme toepassingen met Tiny Machine Learning en Edge AI. Een fieldlab maakt Tiny ML eenvoudig toegankelijk voor bedrijven, zodat verduurzaming binnen handbereik komt.
Verduurzamen met Tiny Machine Learning
Veel bedrijven willen wel verduurzamen, maar weten niet goed hoe. Technologie als sensoren, data-analyse en AI bieden kansen om energie te besparen en emissies te verminderen. Maar voor veel mkb’ers zijn deze technologieën te duur, te ingewikkeld of ze missen de kennis om het in te zetten.
Het project Techport Fieldlab Edge AI voor Smart Industry maakt deze technologie toegankelijk met hulp van Tiny Machine Learning: een laagdrempelige manier om slimme analyses uit te voeren op kleine, relatief goedkope en energiezuinige apparaten. Daarmee kunnen bedrijven lokaal data verzamelen en gebruiken om beslissingen te ondersteunen en voorspellingen te doen, zonder dure cloudoplossingen. Toch is er veel koudwatervrees bij het mkb om hiermee aan de slag te gaan. Daarom voorziet dit project in een proeftuin: een fieldlab.
Praktijkgerichte innovatie met impact
Het fieldlab kan het mkb helpen om de mogelijkheden van Tiny ML in de praktijk te verkennen. Hier testen bedrijven, kennisinstellingen, data-analisten en sensorleveranciers samen toepassingen van Tiny ML in de praktijk. Denk aan het uitvoeren van use cases, het ontwikkelen van een infrastructuur voor data en sensoren, en het doorrekenen van individuele businesscases. Het doel is om stap voor stap bewijslast op te bouwen, inzichten te delen en gezamenlijk kennis te ontwikkelen over deze veelbelovende technologie.
De Hogeschool van Amsterdam helpt in dit project mee om de infrastructuur van het fieldlab en de SensorSPHERE te ontwikkelen. De SensorSPHERE is een platform waarmee bedrijven, studenten of onderzoekers in slechts vijf minuten sensordata uit machines kunnen verzamelen, zónder te hoeven programmeren.
Onderwijs
De Hogeschool van Amsterdam begeleidt ook studenten bij het uitvoeren van de use cases. Studenten van diverse opleidingen en faculteiten voeren de use cases uit in het Maintenance Lab. De opgedane kennis wordt ingezet in het onderwijs, zoals de minor Data Science, de opleiding Technische Bedrijfskunde en voor Leven Lang Ontwikkelen. Binnen het project worden ook lesmodules, workshops en bootcamps over TinyML ontwikkeld en is er een learning community Tiny ML / Edge AI. Zo bouwen we samen aan een toekomstbestendige arbeidsmarkt.
Team
- Andre Gerver (projectleider)
- Jurjen Helmus
- Roald Teunissen
- Erwin van Crasbeek
- Savannah Werner
- Dione Leeger
Partners en financiering
Dit project is medegefinancierd uit het Just Transition Fund. Techport is penvoerder van het project.
- Partners die kennis, technieken, menskracht en middelen inbrengen om de sensoren met TinyML te ontwikkelen: Tata Steel, KIM Plus Delta, SHM Next, ROC Nova College en de Hogeschool van Amsterdam.
- Partners waarbij de sensoren met TinyML worden ingezet: o.a. Strohm, Tata Steel, Vezet, Hilton Foods Holland, Biscuits International, Heidelberg Materials, VanDerEng, De Back en Kernbouw.
- Ondersteunende partners: European Digital Innovation Hub Noordwest Nederland, SURF, gemeente Velsen en provincie Noord-Holland.
Lectoraat Industriële Digital Twins
Een industrie die CO2-neutraal opereert: dat is de ambitie van de Nederlandse overheid voor 2050. Hoe kan Digital Twin-technologie de Nederlandse maakindustrie helpen om hieraan te voldoen? Met praktijkgericht onderzoek helpt het lectoraat Industriële Digital Twins de industrie om efficiënt, energiezuinig en circulair te werken. Het lectoraat opereert vanuit het Maintenance Lab van de Hogeschool van Amsterdam.