L.INT-lectoraat Industriële Digital Twins is een samenwerking tussen de Hogeschool van Amsterdam (HvA), het Centrum Wiskunde en Informatica (CWI) en industriële consortium partijen. Het L.INT-lectoraat heeft de ambitie om de komende jaren handvatten te ontwikkelen die industriële partijen ondersteunen bij het inzetten van het DT gedachtegoed voor uitdagingen op het gebied van onderhoud en energieverbruik.
Voor het L.INT-Lectoraat is een consortium gevormd van drie soorten partners. Ten eerste zijn er voorlopende MKB-bedrijven die in samenwerking met het L.INT-lectoraat DTs ontwikkelen. Ten tweede zijn er Smart Industry field labs die via hun uitgebreide netwerk use-cases aanleveren voor lopende projecten. Tot slot zijn er technologie providers die ondersteuning bieden voor het onderzoek.
Het L.INT-Lectoraat heeft de onderzoekslijnen gebaseerd op de verschillende componenten van DT-technologie. Er zijn drie hoofdlijnen geformuleerd om de veelzijdigheid van DT-gerelateerde onderzoeksthema's te weerspiegelen. Deze opdeling van onderzoekslijnen is tot stand gekomen in nauwe samenwerking met consortiumpartners.
De eerste lijn, "Van Fysiek naar Digitaal," richt zich op zowel (i) de ontwikkeling van fysieke proefopstellingen voor simulaties als (ii) digitalisering binnen bedrijven. Hierbij wordt de brug geslagen tussen de fysieke wereld en de digitale representaties ervan, met als doel het verbeteren van processen en systemen. Deze lijn richt zich op het wegnemen van belemmeringen voor digitalisering in productieprocessen, wat een belangrijke behoefte is voor maakbedrijven die hun productie willen moderniseren.
De tweede lijn, "Virtuele Modellering en Simulatie," legt de nadruk op het gebruik van data voor het ontwikkelen van algoritmes en het generaliseren van oplossingen naar specifieke fysieke Twins. De overgang van onderzoekslijn 1 naar onderzoekslijn 2, is een natuurlijke vervolgstap voor bedrijven.
De derde lijn, "Feedbackoptimalisatie” richt zich op het vinden van optimale stuurstrategieën voor machines en medewerkers. Deze onderzoekslijn onderzoekt hoe de interactie tussen machines onderling of met menselijke input kan leiden tot verbeterde besluitvorming en efficiëntere processen.