SubsidieMeestersPrimaire zorg: van routinematige naar datagedreven en zelflerende zorg
Het project onderzoekt de haalbaarheid van een beslisondersteuningstool voor primaire zorg in India, gericht op het optimaliseren van zorg door het gebruik van Real World data.
Projectdetails
Inleiding
Veel productie- en handelsbedrijven in en buiten Nederland hebben te maken met hoge omloopsnelheden in hun voorraden. Bij een hoge omloopsnelheid is het voor voorraadbeheerders moeilijk om accurate inschattingen te maken en worden er meer fouten gemaakt. Dit is met name het geval bij voorraden op grondniveau, omdat hier de meeste handelingen plaatsvinden.
Probleemstelling
Door de inschattingsfouten wordt er vaak te veel of te weinig voorraad aangehouden. Te veel voorraad is inefficiënt en kan onnodige kosten met zich meebrengen, terwijl te weinig voorraad kan resulteren in:
- Boetes (door het niet kunnen leveren aan afnemers)
- Nee-verkopen
- Lange wachttijden
Oplossing
Om het voorraadbeheer van deze bedrijven zo efficiënt mogelijk te maken, heeft XOsight B.V. het innovatieve idee om slimme camera-technologie te ontwikkelen. Deze technologie, genaamd Smart Logistics Camera (LogCam), kan geplaatst worden op vervoersmiddelen binnen distributiecentra (o.a. heftrucks, palletwagens).
Technologie
De technologie bestaat uit een camera met een computing unit voor real-time analyse en een 3D-reconstructie op basis van kunstmatige intelligentie. Het doel is om hiermee de voorraad op grondniveau nauwkeurig en real-time beschikbaar te stellen, zodat voorraadbeheerders geen inschattingen meer hoeven te maken en optimaal om kunnen gaan met hun voorraden.
Bijdrage aan duurzaamheid
Deze innovatie draagt bij aan de missies omtrent het thema duurzaamheid en sleuteltechnologieën zoals Artificial Intelligence en Big Data en Data Analytics.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 20.000 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2021 |
Partners & Locaties
Projectpartners
- Data Scientia B.V.penvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Natuurbeheer op alternatieve brandstoffenRotink onderzoekt de haalbaarheid van duurzame natuurbeheersystemen op alternatieve brandstoffen om te voldoen aan strengere milieuregels en de toenemende vraag naar schone machines. | MIT Haalbaarheid | € 17.417 | 2023 | Details |
Currency Exchange AlgorithmGlobadyme ontwikkelt een geïntegreerd platform voor betalingsverwerking om transactiekosten met 50% te verlagen en AI te gebruiken voor efficiënte valutaconversies. | MIT Haalbaarheid | € 19.950 | 2023 | Details |
UnikeeMQD BV onderzoekt een tokenomics-oplossing voor NFT-transacties om de traceerbaarheid van producten te verbeteren en namaak en illegale wederverkoop te bestrijden. | MIT Haalbaarheid | € 20.000 | 2023 | Details |
Active AerodynamicsHet project onderzoekt de haalbaarheid van actieve aerodynamische systemen voor het F22-model om prestaties te verbeteren en brandstofverbruik te verlagen. | MIT Haalbaarheid | € 20.000 | 2023 | Details |
Natuurbeheer op alternatieve brandstoffen
Rotink onderzoekt de haalbaarheid van duurzame natuurbeheersystemen op alternatieve brandstoffen om te voldoen aan strengere milieuregels en de toenemende vraag naar schone machines.
Currency Exchange Algorithm
Globadyme ontwikkelt een geïntegreerd platform voor betalingsverwerking om transactiekosten met 50% te verlagen en AI te gebruiken voor efficiënte valutaconversies.
Unikee
MQD BV onderzoekt een tokenomics-oplossing voor NFT-transacties om de traceerbaarheid van producten te verbeteren en namaak en illegale wederverkoop te bestrijden.
Active Aerodynamics
Het project onderzoekt de haalbaarheid van actieve aerodynamische systemen voor het F22-model om prestaties te verbeteren en brandstofverbruik te verlagen.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Enhancing emergency department safety, efficacy and cost-effectiveness by artificial intelligenceDevelop a machine learning-based clinical decision support system for emergency medicine to enhance diagnosis accuracy, patient safety, and cost-effectiveness through validated algorithms and patient data integration. | ERC ADG | € 2.497.200 | 2022 | Details |
Enhancing emergency department safety, efficacy and cost-effectiveness by artificial intelligence
Develop a machine learning-based clinical decision support system for emergency medicine to enhance diagnosis accuracy, patient safety, and cost-effectiveness through validated algorithms and patient data integration.