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.
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
Startdatum | Onbekend |
Einddatum | Onbekend |
Subsidiejaar | 2016 |
Partners & Locaties
Projectpartners
- Semiotic Labs BVpenvoerder
- Van Bodegraven Elektromotoren B.V.
Land(en)
Vergelijkbare projecten binnen MIT R&D Samenwerking
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
K.N.I.T.T.: Knitwear Next-level Interactive Textile TechnologyHet 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. | MIT R&D Samenwerking | € 151.428 | 2023 | Details |
Full electric rim drive aandrijving voor commerciële vaartHet 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. | MIT R&D Samenwerking | € 177.700 | 2023 | Details |
Ecotop AI Ripening systeemHet 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. | MIT R&D Samenwerking | € 286.773 | 2023 | Details |
EEGX2Dit project ontwikkelt een softwaretool voor vroegtijdige dementiedetectie via EEG-analyse, gebruikmakend van goedkope hardware en geavanceerde algoritmes, in samenwerking met zorginstellingen. | MIT R&D Samenwerking | € 120.943 | 2023 | Details |
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.
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.
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.
EEGX2
Dit project ontwikkelt een softwaretool voor vroegtijdige dementiedetectie via EEG-analyse, gebruikmakend van goedkope hardware en geavanceerde algoritmes, in samenwerking met zorginstellingen.
Vergelijkbare projecten uit andere regelingen
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
“Predictive maintenance”Het project onderzoekt de technische en commerciële haalbaarheid van een systeem voor predictive maintenance in de automotive sector. | MIT Haalbaarheid | € 19.740 | 2023 | Details |
Industrial Internet of Things – Predictive Maintenance oplossingJB 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. | MIT Haalbaarheid | € 20.000 | 2021 | Details |
Solenoid valve failure prediction using non-invasive transient current analysisDeze haalbaarheidsstudie onderzoekt de ontwikkeling van een predictive maintenance module voor magneetventielen om kosten te verlagen en efficiënt onderhoud te bevorderen. | MIT Haalbaarheid | € 20.000 | 2020 | Details |
Solenoid valve failure prediction using non-invasive transient current analysisDeze studie onderzoekt de haalbaarheid van een module voor het voorspellen van falen van magneetventielen via stroomsignaalanalyse. | MIT Haalbaarheid | € 20.000 | 2020 | Details |
“Predictive maintenance”
Het project onderzoekt de technische en commerciële haalbaarheid van een systeem voor predictive maintenance in de automotive sector.
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.
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.
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.