Author provided: Monitoring of computernetworks, complex technical systems like aeroplanes is common practice. In this article the use of a monitoring agent in an arbitrary product is discussed. The product itself could be any product with sucient hardware capabilities. The focus is on the product enhancement by adding an embedded agent. This so-called product agent can represent the product in the internet of things and it can also be a member of a multiagent system. In this way exchange of parts and subsystems is possible. The possibilities and advantages of this concept are discussed as well as a more elaborate example of the implementation in an experimental discovery robot. DOI: 10.1007/9783662444399
LINK
From the article: Abstract—By using agent technology, a versatile and modular monitoring system can be built. In this paper, such a multiagentbased monitoring system will be described. The system can be trained to detect several conditions in combination and react accordingly. Because of the distributed nature of the system, the concept can be used in many situations, especially when combinations of different sensor inputs are used. Another advantage of the approach presented in this paper is the fact that every monitoring system can be adapted to specific situations. As a case-study, a health monitoring system will be presented.
DOCUMENT
Deployment and management of environmental infrastructures, such as charging infrastructure for Electric Vehicles (EV), is a challenging task. For policy makers, it is particularly difficult to estimate the capacity of current deployed public charging infrastructure for a given EV user population. While data analysis of charging data has shown added value for monitoring EV systems, it is not valid to linearly extrapolate charging infrastructure performance when increasing population size.We developed a data-driven agent-based model that can explore future scenarios to identify non-trivial dynamics that may be caused by EV user interaction, such as competition or collaboration, and that may affect performance metrics. We validated the model by comparing EV user activity patterns in time and space.We performed stress tests on the 4 largest cities the Netherlands to explore the capacity of the existing charging network. Our results demonstrate that (i) a non-linear relation exists between system utilization and inconvenience even at the base case; (ii) from 2.5x current population, the occupancy of non-habitual charging increases at the expense of habitual users, leading to an expected decline of occupancy for habitual users; and (iii) from a ratio of 0.6 non-habitual users to habitual users competition effects intensify. For the infrastructure to which the stress test is applied, a ratio of approximately 0.6 may indicate a maximum allowed ratio that balances performance with inconvenience. For policy makers, this implies that when they see diminishing marginal performance of KPIs in their monitoring reports, they should be aware of potential exponential increase of inconvenience for EV users.
DOCUMENT
Het kennisnetwerk “Leren en Ontwikkelen voor Toekomstgericht Onderwijs” richt zich op onderwijsvernieuwingsvraagstukken. Scholen staan voor complexe uitdagingen waaronder een toename in diversiteit aan leerlingen die maatwerk vragen, de hardnekkige kansenongelijkheidsproblematiek, de noodzaak nieuwe technologieën adequaat in te zetten, en de opdracht leerlingen nieuwe leerinhouden maar vooral nieuwe leervaardigheden aan te leren. Voor scholen leidt dit tot aanpassingen zoals afstappen van klassikaal werken, focussen op leerprocessen in plaats van leerproducten en inzetten op autonomievergroting bij leerlingen. Onafhankelijk van de sector kampen scholen met vergelijkbare (ontwikkel)vraagstukken zoals nieuwe (meer ontwerpende en coachende) rollen van leraren, het anders beoordelen en monitoren van leerlingen en nieuwe samenwerkingsvormen binnen teams. Ons kennisnetwerk omvat bestaande samenwerkingsverbanden van lerarenopleidingen en scholenclusters die ervaring hebben met gezamenlijk onderzoek doen, opleiden en professionaliseren. De lectoren kennen elkaar van gemeenschappelijke (praktijkgerichte) onderzoeksprojecten, professionaliseringsactiviteiten en onderwijsontwikkeling. In het kennisnetwerk brengen we de verschillende samenwerkingsverbanden fysiek samen doordat onderzoekers, (toekomstige) leraren en lerarenopleiders in kennislabs op een onderzoeksmatige manier werken aan praktische oplossingen voor eerdergenoemde vraagstukken. Daarbij wordt gebruik gemaakt van een methodiek voor hybride kennislabs, ontwikkeld door een van de lectoraten, samen met de OU. Binnen het netwerk is een kernteam verantwoordelijk voor enerzijds destillatie van prangende onderzoeksvragen en het doen van onderzoeksaanvragen en anderzijds de monitoring van zowel de leeropbrengsten als praktische opbrengsten (werkzame principes) van de kennislabs en de verfijning van de werkwijze binnen de kennislabs. Het uiteindelijke doel zijn kennislabs die zodanig regionaal verankerd zijn wat betreft de professionalisering van betrokkenen, kennisdeling, inspiratie en ondersteuning bij het ontwikkelen van toekomstgericht onderwijs en het aanvragen en uitvoeren van praktijkgericht onderzoek dat deze na vier jaar zonder subsidie kunnen worden voortgezet. Daarnaast vormen ze een onmisbaar onderdeel van een landelijke kennisinfrastructuur. We beogen een open netwerkorganisatie waarbij lerarenopleidingen, scholen en kennisinstellingen zich op basis van hun expertise kunnen aansluiten
Lectoraat, onderdeel van HAS green academy
