Al jaren lang klaagt de industrie steen en been over de teloorgang van het vakgebied Industriële Automatisering. In het algemeen verstaat men hieronder de softwarematige (maar deels ook hardwarematige) oplossingen die nodig zijn voor het besturen en monitoren van industriële processen. Te denken valt aan besturing van robots en transportsystemen, al of niet met gebruikmaking van PLC's en het bewaken van processen met SCADA-systemen. Daarnaast zijn er natuurlijk nog talloze andere voorbeelden aan te dragen. Het lijkt moeilijk te zijn om in deze gebieden voldoende hoog opgeleide mensen te vinden die de processen kunnen overzien.
DOCUMENT
Dit rapport is een schriftelijke weergave van de uitgesproken lectorale rede van Dr. Ir. C.J.M. Heemskerk bij Hogeschool Inholland. De rede geeft een duidelijk beeld van wat robots zijn, waar wij anno 2016 met de ontwikkelingen van de robot staan en hoe snel deze gaan. Robots worden steeds socialer en slimmer. Vanuit de twee werkvelden van het Lectoraat, zorg en agri-food, wordt nader ingegaan op de vraag of de angst dat robots banen overnemen of de mensen zullen overheersen reëel is.
DOCUMENT
Dit essay geeft een systeemvisie op het ontwikkelen van embedded software voor slimme systemen: (mobiele) robots en sensornetwerken.
DOCUMENT
The number of applications in which industrial robots share their working environment with people is increasing. Robots appropriate for such applications are equipped with safety systems according to ISO/TS 15066:2016 and are often referred to as collaborative robots (cobots). Due to the nature of human-robot collaboration, the working environment of cobots is subjected to unforeseeable modifications caused by people. Vision systems are often used to increase the adaptability of cobots, but they usually require knowledge of the objects to be manipulated. The application of machine learning techniques can increase the flexibility by enabling the control system of a cobot to continuously learn and adapt to unexpected changes in the working environment. In this paper we address this issue by investigating the use of Reinforcement Learning (RL) to control a cobot to perform pick-and-place tasks. We present the implementation of a control system that can adapt to changes in position and enables a cobot to grasp objects which were not part of the training. Our proposed system uses deep Q-learning to process color and depth images and generates an (Formula presented.) -greedy policy to define robot actions. The Q-values are estimated using Convolution Neural Networks (CNNs) based on pre-trained models for feature extraction. To reduce training time, we implement a simulation environment to first train the RL agent, then we apply the resulting system on a real cobot. System performance is compared when using the pre-trained CNN models ResNext, DenseNet, MobileNet, and MNASNet. Simulation and experimental results validate the proposed approach and show that our system reaches a grasping success rate of 89.9% when manipulating a never-seen object operating with the pre-trained CNN model MobileNet.
DOCUMENT
Deze publicatie is tot stand gekomen in het kader van een updateproject, waarbij een groot aantal technische voorlichtingspublicaties wordt aangepast aan de huidige stand der techniek. Hierbij heeft een nauwe samenwerking plaatsgevonden tussen de op de laatste pagina van deze publicatie vermelde partijen. Deze publicatie is een update van de publicaties "Construeren voor booglassen met robots" (VM 105, FME, 1997), "Sensoren voor booglassen" (VM 96, FME,1993) en "Booglassen met robots" (VB920901, NIL,1992) en vormt samen met de publicaties "TI.07.39 - Eenvoudige mechanisatie bij het booglassen" en "TI.07.40 - Ontwerp voor gemechaniseerd lassen" een overzicht met betrekking tot de automatisering van het lasproces. Al deze geupdate publicaties zijn, evenals de andere in dit updateproject vervaardigde en uitgegeven publicaties, als pdf-file vrij te downloaden vanaf de websites "www.verbinden-online.nl", "www.dunneplaat-online.nl" en via de websites van de deelnemende organisaties.
DOCUMENT
Within the profile Technical Information Technology (ICT Department) the most important specializations are Embedded Software and Industrial Automation. About half of the Technical Information curriculum consists of learning modules, the other half is organized in projects. The whole study lasts four years. After two-and-a-half year students choose a specialization. Before the choice is made students have several occasions in which they learn something about the possible fields of specialization. In the first and second year there are two modules about Industrial Automation. First there is a module on actuators, sensors and interfacing, later a module on production systems. Finally there is an Industrial Automation project. In this project groups of students get the assignment to develop the control for a scale model flexible automation cell or to develop a monitoring system for this cell. In the last year of their studies students participate in a larger Industrial Automation project, often with an assignment from Industry. Here also the possibility exists to join multidisciplinary projects (IPD; integrated product development).
DOCUMENT
Deze publicatie is tot stand gekomen in het kader van een updateproject, waarbij een groot aantal technische voorlichtingspublicaties wordt aangepast aan de huidige stand der techniek. Hierbij heeft een nauwe samenwerking plaatsgevonden tussen de op de laatste pagina van deze publicatie vermelde partijen. Deze publicatie is een update van de publicatie "Construeren voor booglassen met robots" (VM 105, FME, 1997) en vormt samen met de publicaties "TI.07.39 - Eenvoudige mechanisatie bij het booglassen" en "TI.07.41 - Geavanceerde lasmechanisatie en sensoren", een overzicht met betrekking tot de automatisering van het lasproces. Al deze geupdate publicaties zijn, evenals de andere in dit updateproject vervaardigde en uitgegeven publicaties, als pdf-file vrij te downloaden vanaf de websites "www.verbinden-online.nl", "www.dunneplaat-online.nl" en via de websites van de deelnemende organisaties.
DOCUMENT
Relatief kleine, gespecialiseerde bedrijven in de maakindustrie hebben behoefte aan flexibele assemblageprocessen en productielogistiek. Digitalisering biedt veel mogelijkheden om productieprocessen efficiënter en duurzamer te maken, innovatieve producten te fabriceren en over te schakelen op andere businessmodellen. Dit moet dan wel werken voor kleine series en enkelstuks. ‘Kunnen wij het maken?’ verwijst naar onderliggende vragen over: ‘Hoe beheersen we risico’s in complexe maakprocessen?’, ‘Hoe werken we samen in de keten?’ en ‘Wat moeten huidige en toekomstige engineers weten over ‘Industry 4.0’ en circulaire maakindustrie?’. Bijgaand essay, in verkorte vorm uitgesproken als Intreerede, legt uit hoe de onderzoekers van Smart Sustainable Manufacturing aan de slag gaan om een antwoord te vinden op deze vragen, door middel van cocreatie met de beroepspraktijk en het onderwijs in het Re/manufacturing lab.
DOCUMENT
Twee gasincidenten in een half jaar tijd, zo dicht op elkaar is bepaald niet alledaags. De meest betrokken bedrijven (Vitens en Liander voorop) pakten de situaties professioneel op. Bron: Lessen uit crises en mini-crises 2014.
LINK
Bij incidenten tijdens evenementen wordt er al snel gewezen naar de overheid als vergunningverlener. Die heeft de neiging zich vooraf in te dekken en meer te kijken naar het juridische proces en de aansprakelijkheid dan naar de inhoud van de te nemen maatregelen. Als er iets misgaat, wordt er daarbij door meerdere partijen nogal eens overtrokken gereageerd of onhandig geopereerd. Menno van Duin belicht een aantal invalshoeken en geeft een oplossingsrichting. Bron: Het tijdschrift voor de politie.
LINK
