Repair Prediction System

Semiotic Labs en Van Bodegraven ontwikkelen een AI-gestuurd systeem dat onderhoud aan elektromotoren voorspelt, om stilstand en kosten te verminderen bij productiebedrijven.

Subsidie
€ 104.615
2016

Projectdetails

Inleiding

Semiotic Labs B.V. is van plan samen met Van Bodegraven Elektromotoren B.V. een systeem te ontwikkelen dat benodigd onderhoud aan elektromotoren kan voorspellen. Met behulp van sensoren en kunstmatige intelligentie zullen verschillende onderdelen van de elektromotoren worden gemeten en zal er aan de technicus worden teruggekoppeld wanneer de onderdelen het gaan begeven.

Huidige situatie

Momenteel worden elektromotoren gerepareerd wanneer ze storingen hebben en staat er vaak een identieke reservemotor klaar om bij storing direct ingebouwd te worden. Doordat elektromotoren relatief minder onderhoud nodig hebben dan verbrandingsmotoren, staan deze dure reservemotoren het grootste deel van hun werkzame leven stil.

Gevolgen van storingen

Ten tweede staat tijdens een storing (een deel van) het productieproces ongepland stil, wat gevaarlijk kan zijn en hoge kosten met zich meebrengt. Doorgaans kost het meer tijd en geld dan preventief onderhoud.

Marktinformatie

Nederland kent 500 grote productiebedrijven en circa 40.000 middelgrote tot kleine productiebedrijven. De automatisering en het zware materieel wordt grotendeels aangedreven door elektromotoren en er wordt geschat dat ongeveer 10.000 bedrijven zware elektromotoren gebruiken. Een gemiddelde motor van 250 kW kost ongeveer €15.000, waarmee de geschatte markt op €150 miljoen komt als ieder bedrijf een motor reserve heeft staan.

Samenwerking en ontwikkeling

Om dit systeem te ontwikkelen gaat Semiotic Labs B.V., een recent opgericht software ontwikkelbureau dat zich toespitst op kunstmatige intelligentie, een samenwerkingsverband aan met Van Bodegraven Elektromotoren B.V. Aan het eind van dit samenwerkingsproject zal er een prototype modulair meetsysteem ontwikkeld zijn dat gebaseerd op kunstmatige intelligentie onderhoudsmomenten aan elektromotoren voorspelt.

Financiële details & Tijdlijn

Financiële details

Subsidiebedrag€ 104.615

Tijdlijn

StartdatumOnbekend
EinddatumOnbekend
Subsidiejaar2016

Partners & Locaties

Projectpartners

  • Semiotic Labs BVpenvoerder
  • Van Bodegraven Elektromotoren B.V.

Land(en)

Netherlands

Vergelijkbare projecten binnen MIT R&D Samenwerking

MIT R&D Samenwerking

K.N.I.T.T.: Knitwear Next-level Interactive Textile Technology

Het project van Knitwear Lab B.V. en Raverko B.V. ontwikkelt een 3D-simuleringstool voor duurzame textielproductie, gericht op co-creatie en de overgang naar digitale productpaspoorten.

€ 151.428
MIT R&D Samenwerking

Full electric rim drive aandrijving voor commerciële vaart

Het project ontwikkelt een prototype van een 50 kW elektrische rim drive motor voor commerciële vaartuigen, ter vervanging van dieselmotoren, met focus op duurzaamheid en innovatieve functionaliteiten.

€ 177.700
MIT R&D Samenwerking

Ecotop AI Ripening systeem

Het project ontwikkelt AI-software en een rijpcel om de rijpheid en kwaliteit van tropisch fruit automatisch te meten en te optimaliseren, wat leidt tot minder verspilling en energiebesparing.

€ 286.773
MIT R&D Samenwerking

EEGX2

Dit project ontwikkelt een softwaretool voor vroegtijdige dementiedetectie via EEG-analyse, gebruikmakend van goedkope hardware en geavanceerde algoritmes, in samenwerking met zorginstellingen.

€ 120.943

Vergelijkbare projecten uit andere regelingen

MIT Haalbaarheid

“Predictive maintenance”

Het project onderzoekt de technische en commerciële haalbaarheid van een systeem voor predictive maintenance in de automotive sector.

€ 19.740
MIT Haalbaarheid

Industrial Internet of Things – Predictive Maintenance oplossing

JB Besturingstechniek onderzoekt de technische en economische haalbaarheid van voorspellend onderhoud met M2M-learning en IoT-sensoren, met een investering van €60.000 en een jaar durende studie.

€ 20.000
MIT Haalbaarheid

Solenoid valve failure prediction using non-invasive transient current analysis

Deze haalbaarheidsstudie onderzoekt de ontwikkeling van een predictive maintenance module voor magneetventielen om kosten te verlagen en efficiënt onderhoud te bevorderen.

€ 20.000
MIT Haalbaarheid

Solenoid valve failure prediction using non-invasive transient current analysis

Deze studie onderzoekt de haalbaarheid van een module voor het voorspellen van falen van magneetventielen via stroomsignaalanalyse.

€ 20.000