The need to better understand how to manage the real logistics operations in Schiphol Airport, a strategic hub for the economic development of the Netherlands, created the conditions to develop a project where academia and industry partnered to build a simulation model of the Schiphol Airport Landside operations. This paper presents such a model using discrete-event simulation. A realistic representation of the open road network of the airport as well as the (un)loading dock capacities and locations of the five ground handlers of Schiphol Airport was developed. Furthermore, to provide practitioners with applicable consolidation and truck-dispatching policies, some easy-to-implement rules are proposed and implemented in the model. Preliminary results from this model show that truck-dispatching policies have a higher impact than consolidation policies in terms of both distance travelled by cooperative logistic operators working within the airport and shipments’ average flow time. Furthermore, the approach presented in this study can be used for studying similar megahubs.
Bij elke levenscyclusanalyse komt het voer naar voren als de meestmilieubelastende component van de aquacultuursector. Een van de oorzaken daarvan is het gebruik van eiwitbronnen. Plantaardige ingrediënten vragen land, water en energie, en de vangst van vis voor vismeel en visolie is energieintensief en draagt bij aan de verstoring van de biodiversiteit in zee. In een NWO-KIEM project vanuit het lectoraat INVIS inventariseerden onderzoekers, samen met studenten van de HAS Hogeschool, de kansen en uitdagingen van het gebruik van meel van insecten die groeien op afval. De kennis die is opgedaan tijdens het eenjarige project is gedeeld met geïnteresseerden tijdens een webinar.
MULTIFILE
The goal of this study was to develop an automated monitoring system for the detection of pigs’ bodies, heads and tails. The aim in the first part of the study was to recognize individual pigs (in lying and standing positions) in groups and their body parts (head/ears, and tail) by using machine learning algorithms (feature pyramid network). In the second part of the study, the goal was to improve the detection of tail posture (tail straight and curled) during activity (standing/moving around) by the use of neural network analysis (YOLOv4). Our dataset (n = 583 images, 7579 pig posture) was annotated in Labelbox from 2D video recordings of groups (n = 12–15) of weaned pigs. The model recognized each individual pig’s body with a precision of 96% related to threshold intersection over union (IoU), whilst the precision for tails was 77% and for heads this was 66%, thereby already achieving human-level precision. The precision of pig detection in groups was the highest, while head and tail detection precision were lower. As the first study was relatively time-consuming, in the second part of the study, we performed a YOLOv4 neural network analysis using 30 annotated images of our dataset for detecting straight and curled tails. With this model, we were able to recognize tail postures with a high level of precision (90%)
MULTIFILE
Leraarschap van vandaag is veelzijdig en veelvormig. Expeditie Lerarenagenda onderzoekt hoe leraren, teams, scholen, opleidingen en beleid navigeren naar het toekomstig leraarschap van morgen. Adaptief vermogen staat in het onderzoek centraal. Ga mee op expeditie en ontdek hoe het adaptief vermogen van onderwijspersoneel, scholen, opleidingen en beleid versterkt kan worden.
Adolescenten brengen steeds meer vrije tijd door met het spelen van games en bevinden zich mede daardoor in een hybride leefwereld. Deze relatief nieuwe wereld brengt nieuwe uitdagingen mee rondom identiteitsontwikkeling en psychosociaal welzijn; voor gamende adolescenten zelf, maar ook hun (professionele) opvoeders. Wij onderzoeken de relatie tussen gamen, identiteitsontwikkeling en psychosociaal welzijn en de rol die (professionele) opvoeders hierin hebben.
De glastuinbouw in Nederland is wereldwijd toonaangevend en loopt voorop in automatisering en data-gedreven bedrijfsvoering. Voor de data-gedreven teelt wordt, naast het monitoren van de kas-parameters ook het monitoren van gewasparameters steeds meer gevraagd. De sector is daarbij vooral geïnteresseerd in niet-destructieve, contactloze en persoonsonafhankelijk monitoring van gewassen. Optische sensortechnologie, zoals spectrale afbeeldingstechnologie, kan veel waardevolle informatie opleveren over de staat van een gewas of vrucht, bijvoorbeeld over het suikergehalte, maar ook de aanwezigheid van plantziektes of insecten. Echter is dit vaak een te kostbare oplossing voor zowel de technologiebedrijven die oplossingen leveren als voor de telers zelf. In dit project onderzoeken wij de mogelijkheid om spectrale beeldvorming tegen lagere kosten te realiseren. Het beoogde resultaat is een prototype van een instrument dat tegen lage kosten met spectrale beeldvorming een of meerdere gewaseigenschappen kan kwantificeren. Realisatie van dit prototype heeft een sterke Fotonica-component (expertise Haagse Hogeschool) maakt gebruik van Machine Learning (expertise perClass) en is bedoeld voor toepassing op scout robots in de glastuinbouw (expertise Mythronics). Een betaalbare oplossing betekent in potentie voor de teler een betere controle over kwaliteit van het gewas en automatisering voor detectie van ziekte-uitbraken. Bij een succesvol prototype kan deze innovatie leiden tot betere voedselkwaliteit en minder verspilling in de glastuinbouw.
