De markt voor Business Process Management (BPM) software groeit razend snel. Voor 2010 wordt er een marktomvang voorspeld van tussen de 1 tot 6 miljard dollar, dit betekend dat deze markt sinds 2005 meer dan verdubbeld is. BPM krijgt ook in toenemende mate publiciteit in de markt echter dan gaat het veelal om wat BPM nu precies wel en niet is en niet over hoe het toegepast kan worden. Hetzelfde geldt voor BPM software, beter bekend als Business Process Management Systemen (BPMS). Het onderzoek beschreven in dit proefschrift focust op BPMS, het ontstaan, waar het naartoe gaat en wat er allemaal komt kijken bij de invoering en het gebruik ervan. De hoofdonderzoeksvraag in dit proefschrift is: Welke factoren en competenties bepalen het succes van de implementatie van Business Process Management Systemen in een specifieke situatie? Centraal in dit proefschrift staan de volgende onderzoeksvragen: 1. Wat zijn de succes factoren bij de implementatie van Business Process Management Systemen? 2. Welke competenties hebben stakeholders in een Business Process Management Systeem implementatie project nodig? 3. Hoe ziet een Business Process Management Systeem implementatie methodiek eruit welke rekening houdt met de omgevingsfactoren van een organisatie?
MULTIFILE
This paper contributes to the knowledge of the performativity of accounting by exploring the unexpected consequences of a management accounting and control system (MAC) as designed in a large public organization. In an organization in the Dutch sector of Nursing Homes, Homes for the Elderly and Homecare MAC turns from a system into an actor-network. Rather than being a stable answer machine in the context of decision making or a ready-made tool for performance management by which distant (top) managers and controllers aim to measure and manage performance from time-space distances, MAC is grounded in relations and performatively develops. As such, it becomes multiple. The study shows how the performativity of MAC goes beyond its functionality. Though originating from MAC’s functional design, MAC’s performativity is not simply about the degree to which it realizes the intentions of its designers, but is about its dynamic relational consequences. Controllers should mediate in the dynamics of MAC so that processes of learning are enhanced and the quality and efficiency of the care practices develop
LINK
Droop control is used for power management in DC grids. Based on the level of the DC grid voltage, the amount of power regulated to or from the appliance is regulated such, that power management is possible. The Universal 4 Leg is a laboratory setup for studying the functionality of a grid manager for power management. It has four independent outputs that can be regulated with pulse width modulation to control the power flow between the DC grid and for example, a rechargeable battery, solar panel or any passive load like lighting or heating.
Inleiding en praktijkvraag De groeiende wereldbevolking gecombineerd met de klimaatverandering zorgt voor een de noodzaak tot een duurzame voedselvoorziening (KIA missie Landbouw, voedsel & water). Een significante reductie van gewasbestrijdingsmiddelen is daarbinnen een belangrijke doelstelling. Robotica maakt als technologie motor van de precisielandbouw plant specifieke precisie-bestrijding mogelijk. Het projectconsortium onderzoekt een semiautonoom samenwerkend grond-luchtrobot platform voor de precisielandbouw. Projectdoelstelling De doelstelling van het project AGRobot Platform is dan ook: “Onderzoek de mogelijkheden van een semi-autonoom samenwerkend grond-lucht robotplatform voor de precisielandbouw”. De hoofddoelstelling wordt binnen dit project beantwoordt door de deliverables uit de volgende subdoelstellingen: 1. Case studie onderzoek naar de mogelijke voordelen van het grond-luchtrobotplatform 2. Onderzoek naar de benodigde technologieën voor een grond-luchtrobotplatform 3. Ontwikkelen van een eerste (mogelijk case-specifieke) demonstrator 4. Ontwikkelen van (nieuwe) samenwerkingsvormen. Vraagsturing & Netwerkvorming Riwo Engineering is een industriële automatiseeerder die met zijn grondrobots en control-besturingssytemen actief is in de veeteelt. DRONEXpert gebruikt hyperspectrale camera’s onder drones voor het bemeten van gewassen. Saxion mechatronica onderzoekt met de onderzoekslijn unmanned robotic systems hoe de nieuwste robotica technologieën systemen mogelijk maakt voor ongestructureerde omgevingen. De partners bezitten gezamenlijk een enorm netwerk (TValley, Space53, euRobotics) en klanten om via de case studies de kansen te achterhalen en te realiseren. Innovatie Nergens ter wereld is een samenwerkend grond-luchtrobot platform actief in de precisielandbouw. Voor OostNederland, met naast veel robotica kennis ook veel Agro-kennis, zal het project letterlijk de KIEM zijn voor nieuwe projecten waaruit de valorisatie kansen richting heel Europa gaan. Activiteitenplan & Projectorganisatie Het project wordt geleid door de lector Dr. Ir. D.A.Bekke en uitgevoerd door Abeje Mersha en Mark Reiling samen met het deelnemend MKB. Het project bestaat uit 4 werkpakketten die achtereenvolgens antwoordt geven op de gestelde subdoelstellingen. Aan elk werkpakket zijn deliverables gekoppeld.
The bi-directional communication link with the physical system is one of the main distinguishing features of the Digital Twin paradigm. This continuous flow of data and information, along its entire life cycle, is what makes a Digital Twin a dynamic and evolving entity and not merely a high-fidelity copy. There is an increasing realisation of the importance of a well functioning digital twin in critical infrastructures, such as water networks. Configuration of water network assets, such as valves, pumps, boosters and reservoirs, must be carefully managed and the water flows rerouted, often manually, which is a slow and costly process. The state of the art water management systems assume a relatively static physical model that requires manual corrections. Any change in the network conditions or topology due to degraded control mechanisms, ongoing maintenance, or changes in the external context situation, such as a heat wave, makes the existing model diverge from the reality. Our project proposes a unique approach to real-time monitoring of the water network that can handle automated changes of the model, based on the measured discrepancy of the model with the obtained IoT sensor data. We aim at an evolutionary approach that can apply detected changes to the model and update it in real-time without the need for any additional model validation and calibration. The state of the art deep learning algorithms will be applied to create a machine-learning data-driven simulation of the water network system. Moreover, unlike most research that is focused on detection of network problems and sensor faults, we will investigate the possibility of making a step further and continue using the degraded network and malfunctioning sensors until the maintenance and repairs can take place, which can take a long time. We will create a formal model and analyse the effect on data readings of different malfunctions, to construct a mitigating mechanism that is tailor-made for each malfunction type and allows to continue using the data, albeit in a limited capacity.
Human kind has a major impact on the state of life on Earth, mainly caused by habitat destruction, fragmentation and pollution related to agricultural land use and industrialization. Biodiversity is dominated by insects (~50%). Insects are vital for ecosystems through ecosystem engineering and controlling properties, such as soil formation and nutrient cycling, pollination, and in food webs as prey or controlling predator or parasite. Reducing insect diversity reduces resilience of ecosystems and increases risks of non-performance in soil fertility, pollination and pest suppression. Insects are under threat. Worldwide 41 % of insect species are in decline, 33% species threatened with extinction, and a co-occurring insect biomass loss of 2.5% per year. In Germany, insect biomass in natural areas surrounded by agriculture was reduced by 76% in 27 years. Nature inclusive agriculture and agri-environmental schemes aim to mitigate these kinds of effects. Protection measures need success indicators. Insects are excellent for biodiversity assessments, even with small landscape adaptations. Measuring insect biodiversity however is not easy. We aim to use new automated recognition techniques by machine learning with neural networks, to produce algorithms for fast and insightful insect diversity indexes. Biodiversity can be measured by indicative species (groups). We use three groups: 1) Carabid beetles (are top predators); 2) Moths (relation with host plants); 3) Flying insects (multiple functions in ecosystems, e.g. parasitism). The project wants to design user-friendly farmer/citizen science biodiversity measurements with machine learning, and use these in comparative research in 3 real life cases as proof of concept: 1) effects of agriculture on insects in hedgerows, 2) effects of different commercial crop production systems on insects, 3) effects of flower richness in crops and grassland on insects, all measured with natural reference situations
