Het Nieuwe Telen (HNT) heeft in haar theoretisch kader de teeltprocessen ingedeeld in zes balansen. De energiebalans, de waterbalans en de assimilatenbalans van de plant en de CO2 balans, de vochtbalans en de energiebalans van de kas. In dit project is onderzocht of de mineralenbalans, de ecologische balans en de hormoonbalans nuttige aanvullingen zijn op de bestaande balansen van HNT. Aanbevelingen: faciliteer onderzoek naar metingen die het mogelijk maken de status van de plant te volgen m.b.t. de mineralenbalans en ecologische balans.
Dit eindrapport behandelt het onderzoek van CDM@Airports, gericht op Collaborative Decision Making in de logistieke processen van luchtvrachtafhandeling op Nederlandse luchthavens. Dit project, met een looptijd van ruim twee jaar, is gestart op 8 november 2021 en geëindigd op 31 december 2023. HET PROJECT CDM@AIRPORTS OMVAT DRIE WERKPAKKETTEN: 1. Projectmanagement, dit betreft de algehele aansturing van het project incl. stuurgroep, werkgroep en stakeholdermanagement. 2. Onderzoeksactiviteiten, bestaande uit a) cross-chain-samenwerking, b) duurzaamheid en c) adoptie van digitale oplossingen voor datagedreven logistiek. 3. Management van een living lab, een ‘quadruple-helix-setting’ die fysieke en digitale leeromgevingen integreert voor onderwijs en multidisciplinair toegepast onderzoek.
MULTIFILE
In this work, a feasible and low-cost approach is proposed for level measurement in multiphase systems inside tanks used for petroleum-derived oil production. The developed level sensor system consisted of light-emitting diodes (LEDs), light-dependent resistor (LDR), and a low-cost microprocessor. Two different types of oil were tested: AW460 and AW68. Linear regression (LR) was applied for 11 scenarios and showed a direct correlation between the level of oil and the sensor’s output. The measurement with AW460 oil presented a perfect linear behavior, while for AW68, a higher standard deviation was obtained justifying the occurrence of the nonlinearity in several scenarios. In order to overcome the nonlinear effect, two machine learning (ML) techniques were tested: K-nearest neighbors regression (KNNR) and multilayer perceptron (MLP) neural network regression. The highest correlation coefficient ( R2 ) and the lowest root mean squared error (RMSE) were obtained for AW68 with MLP. Therefore, MLP was used for regression (level prediction for water, oil, and emulsion) as well as classification (identify the type of oil in the reservoir) simultaneously. The suggested network exhibited a high accuracy for oil identification (99.801%) and improved linear performance in regression ( R2 = 0.9989 and RMSE = 0.065).