Roadsense
Veel (mkb-)bedrijven, zoals fabrikanten van vrachtwagentrailers, benutten sensordata nog niet optimaal. Een gemiste kans, omdat deze data niet alleen onderhoud kan verbeteren, maar ook de wegkwaliteit kan voorspellen. Behalve een kostenbesparing, verhoogt dit de veiligheid en efficiëntie.
Aanleiding
In de afgelopen jaren is de aandacht voor (generatieve) AI enorm gegroeid. Ondanks die aandacht zijn (mkb-)ondernemingen nog niet altijd zo ver dat ze data, laat staan AI, effectief kunnen inzetten in hun bedrijfsvoering. Dat kan komen doordat er nog geen (geschikte) data verzameld wordt of men niet weet hoe ze de data moeten omzetten in bruikbare inzichten.
Achtergrond
Uit gesprekken met fabrikanten van vrachtwagentrailers bleek dat dit voor hen ook het geval is. Er is veel interesse om de sensordata uit de trailers te gebruiken, maar deze ontwikkelingen staan nog in de kinderschoenen. In de transportsector heeft de meeste innovatie zich gericht op het trekkend voertuig, de ontwikkelingen in de trailer zijn achtergebleven. Dat is een gemiste kans omdat data kan helpen om efficiënter onderhoud te plegen waardoor er minder reparaties, ongelukken en verstoringen op de weg plaatsvinden. Daarmee besparen trailerfabrikanten geld en vermindert de uitstoot van broeikasgassen. Ondanks de voordelen hebben deze fabrikanten moeite om het potentieel van de data volledig te benutten.
Doel
Het doel van het onderzoek is om een methodiek te ontwikkelen waarmee op basis van sensordata wegkwaliteit bepaald kan worden, zonder dat daar extra sensoren voor geïnstalleerd hoeven worden. Daarnaast zouden we graag de gegeneerde dataset openbaar willen delen zodat deze hergebruikt kan worden door geïnteresseerden.
De centrale vraag tijdens dit onderzoek is: Hoe kan sensordata uit vrachtwagentrailers gebruikt worden om de wegkwaliteit te bepalen ten behoeve van optimalisatie van het onderhoud van deze trailers?
Nieuws en artikelen
Team RoadSense
Timo Scheidel
Projectleider
Raoul Grouls
Data-scientist
Onno Huijgen
Data-scientist
Vincent Coumans
Data-scientistMohammad Karimi
Data-scientistSamenwerkingspartners
Lectoraat Applied Data Science & AI
Het lectoraat Applied Datascience & AI fungeert als aanjager, verbinder en kennisdrager op het gebied van data science en AI. Zowel binnen de HAN als expertisecentrum, maar ook in de regio in de samenwerking tussen onderzoek, onderwijs, bedrijfsleven en de overheid. Een kennisnetwerk op het gebied van het delen van data en concepten zoals Knowledge Graphs, Federatie van Data, Data Spaces en AI. Gericht op concrete toepassingen in verschillende domeinen zoals energie, gezondheidszorg en industrie
Samen slim
Digitale toepassingen worden steeds sneller ontwikkeld en technologie neemt een steeds belangrijkere plek in ons leven in. Deze digitale innovaties vragen om goede wendbaarheid van mensen, teams en organisaties. Met het samen leren innoveren, delen van kennis en het creëren van ontmoetingsplekken helpt onze focus Slim - Smart Region daarbij. Op deze manier hebben we impact op de digitale toekomstbestendigheid in het werkveld en in ons onderwijs.
