SubsidieMeestersDynamische onderhoudsplanning spoorinfrastructuur o.b.v. AI
Het project ontwikkelt een geoptimaliseerd systeem voor dynamische onderhoudsplanning van de spoorinfrastructuur, gericht op het verbeteren van de efficiëntie en duurzaamheid voor de komende vijf tot tien jaar.
Projectdetails
Inleiding
Nederland is een klein land, met ontzettend veel bedrijvigheid en enorme transportstromen. Om de Nederlandse economie in de toekomst verder te kunnen laten groeien, is het noodzakelijk de transportsector te blijven verbeteren. Centraal in deze doelstelling staat het op peil houden en verder versterken van de spoorsector.
Ontwikkeling van het Spoor
Waar er in Nederland in 1860 nog maar 300 kilometer spoor lag, ligt er nu ruim 7.000 kilometer spoor, waarover in 2019 ruim 42 miljoen ton aan vracht werd vervoerd. Dit is een verdubbeling ten opzichte van twintig jaar geleden, en daarmee is het Nederlandse spoor het drukst bereden netwerk van Europa geworden.
Complexiteit en Onderhoud
Door een te grote complexiteit en onderhoudsbehoefte is een slimme oplossing nodig die, op basis van de beschikbare informatie (zowel uit sensoren, andere databronnen én de aanwezige kennis bij gebruikers), Agri & Fooddelingsoverstijgende, integrale onderhoudsplanningen op kan stellen. Deze planningen moeten alle eisen, bottlenecks en mogelijke combinaties mee kunnen wegen.
Doelstelling van het Project
De doelstelling van dit project is het ontwikkelen van de eerste oplossing die op dynamische en geoptimaliseerde wijze uiterst complexe onderhoudsplanningen kan opstellen voor spoorinfrastructuur over langere termijn (vijf tot tien jaar). Hierbij wordt gebruik gemaakt van:
- De huidige staat van de betreffende infrastructuur.
- De toekomstige degeneratie hiervan op basis van het verwachte (en ingeplande) gebruik ervan.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 200.000 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2022 |
Partners & Locaties
Projectpartners
- Macomi B.V.penvoerder
- Lynxx B.V.
Land(en)
Vergelijkbare projecten binnen MIT R&D AI
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
AI-ogen op het Water (Plastic/Algen) - RS + RM + WIHet project ontwikkelt economisch rendabele oplossingen voor waterbeheer in Nederland en Europa door gebruik te maken van machine learning, AI, satellietgegevens en robotics om plastic en biomass te beheersen. | MIT R&D AI | € 277.662 | 2023 | Details |
AI to render the best clinical trial design for a novel RNA therapy.Het ANTENA-project ontwikkelt een AI-platform om de optimale klinische studiepopulatie voor een nieuwe RNA-medicatie te identificeren, met als doel kosten en risico's van klinische proeven te verlagen. | MIT R&D AI | € 199.700 | 2023 | Details |
Smart Food Waste PreventionHet project richt zich op het verminderen van voedselverspilling van groente en fruit door slimme technologie en AI te gebruiken voor kwaliteitsanalyse en optimalisatie van de toeleveringsketen. | MIT R&D AI | € 190.400 | 2023 | Details |
Lumi Screening – intuitive holograms for (preventive) healthcareAugmedit en Prescan ontwikkelen Lumi Screening, een technologie die lage-informatie-dichtheid MRI's omzet in interactieve hologrammen voor betere diagnose, educatie en besluitvorming in de gezondheidszorg. | MIT R&D AI | € 239.694 | 2023 | Details |
AI-ogen op het Water (Plastic/Algen) - RS + RM + WI
Het project ontwikkelt economisch rendabele oplossingen voor waterbeheer in Nederland en Europa door gebruik te maken van machine learning, AI, satellietgegevens en robotics om plastic en biomass te beheersen.
AI to render the best clinical trial design for a novel RNA therapy.
Het ANTENA-project ontwikkelt een AI-platform om de optimale klinische studiepopulatie voor een nieuwe RNA-medicatie te identificeren, met als doel kosten en risico's van klinische proeven te verlagen.
Smart Food Waste Prevention
Het project richt zich op het verminderen van voedselverspilling van groente en fruit door slimme technologie en AI te gebruiken voor kwaliteitsanalyse en optimalisatie van de toeleveringsketen.
Lumi Screening – intuitive holograms for (preventive) healthcare
Augmedit en Prescan ontwikkelen Lumi Screening, een technologie die lage-informatie-dichtheid MRI's omzet in interactieve hologrammen voor betere diagnose, educatie en besluitvorming in de gezondheidszorg.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Geautomatiseerd data analyseren en voorspellen in de infra op basis van sensordataHet project onderzoekt de haalbaarheid van een geautomatiseerd proces voor het analyseren van sensordata van civiele kunstwerken, met als doel duurzame renovatie en betere besluitvorming. | MIT Haalbaarheid | € 20.000 | 2023 | Details |
Artificiele intelegetentie algoritmes voor dynamische workorder planningQuantillion ontwikkelt een systeem voor autonome besluitvorming in de zware industrie, dat taken dynamisch en efficiënt verdeelt om stilstand en operatorinterventie te minimaliseren. | MIT Haalbaarheid | € 20.000 | 2022 | Details |
INSPECH-EVEHet INSPECH-EVE platform, ontwikkeld door BrainCreators en ZNAPZ, gebruikt AI om visuele en relationele data te analyseren voor efficiënte en kostenbesparende predictive maintenance van wegen. | MIT R&D Samenwerking | € 189.040 | 2022 | Details |
Predictive Road MaintenanceGeronimo.AI ontwikkelt een AI-systeem voor de provincie Zuid-Holland om proactief wegonderhoud te voorspellen en te plannen, met als doel kosten te verlagen en verkeershinder te minimaliseren. | MIT Haalbaarheid | € 20.000 | 2020 | Details |
Geautomatiseerd data analyseren en voorspellen in de infra op basis van sensordata
Het project onderzoekt de haalbaarheid van een geautomatiseerd proces voor het analyseren van sensordata van civiele kunstwerken, met als doel duurzame renovatie en betere besluitvorming.
Artificiele intelegetentie algoritmes voor dynamische workorder planning
Quantillion ontwikkelt een systeem voor autonome besluitvorming in de zware industrie, dat taken dynamisch en efficiënt verdeelt om stilstand en operatorinterventie te minimaliseren.
INSPECH-EVE
Het INSPECH-EVE platform, ontwikkeld door BrainCreators en ZNAPZ, gebruikt AI om visuele en relationele data te analyseren voor efficiënte en kostenbesparende predictive maintenance van wegen.
Predictive Road Maintenance
Geronimo.AI ontwikkelt een AI-systeem voor de provincie Zuid-Holland om proactief wegonderhoud te voorspellen en te plannen, met als doel kosten te verlagen en verkeershinder te minimaliseren.