Wetenschappelijk artikel gepubliceerd met betrekking tot ' rotocraft access panel from recycled carbon PPS 'A rotorcraft access panel is developed and was successfully flight tested. Utilizing a novel recycling route, the panel is lighter, more cost-effective and of recycled thermoplastic composites. https://doi.org/10.1016/j.repl.2020.08.003 (First published by Elsevier, permission to republish in HBO Kennisbank and Narcis: Marc Allen Group)
MULTIFILE
This article will discuss philosophical debates on economic growth and environmental sustainability, the role of management responsibility, and the risk of subversion to business as usual. This discussion will be framed using the concepts of Cradle to Cradle (C2C) and Circular Economy about sustainable production. The case study illustrating the danger of subversion of these progressive models discussed here is based on the assignments submitted by Masters students as part of a course related to sustainable production and consumption at Leiden University. The evaluation of the supposedly best practice cases placed on the website of the Ellen MacArthur Foundation or those awarded Cradle to Cradle certificate has led some students to conclude that these cases illustrated green-washing. Larger implications of identified cases of green-washing for the field of sustainable business and ecological management are discussed. “This is a post-peer-review, pre-copyedit version of an article published in 'Philosophy of Management'. The final authenticated version is available online at: https://doi.org/10.1007/s40926-019-00108-x LinkedIn: https://www.linkedin.com/in/helenkopnina/
MULTIFILE
Production processes can be made ‘smarter’ by exploiting the data streams that are generated by the machines that are used in production. In particular these data streams can be mined to build a model of the production process as it was really executed – as opposed to how it was envisioned. This model can subsequently be analyzed and stress-tested to explore possible causes of production prob-lems and to analyze what-if scenarios, without disrupting the production process itself. It has been shown that such models can successfully be used to diagnose possible causes of production problems, including scrap products and machine defects. Ideally, they can even be used to model and analyze production processes that have not been implemented yet, based on data from existing production pro-cesses and techniques from artificial intelligence that can predict how the new process is likely to be-have in practice in terms of data that its machines generate. This is especially important in mass cus-tomization processes, where the process to create each product may be unique, and can only feasibly be tested using model- and data-driven techniques like the one proposed in this project. Against this background, the goal of this project is to develop a method and toolkit for mining, mod-elling and analyzing production processes, using the time series data that is generated by machines, to: (i) analyze the performance of an existing production process; (ii) diagnose causes of production prob-lems; and (iii) certify that a new – not yet implemented – production process leads to high-quality products. The method is developed by researching and combining techniques from the area of Artificial Intelli-gence with techniques from Operations Research. In particular, it uses: process mining to relate time series data to production processes; queueing networks to determine likely paths through the produc-tion processes and detect anomalies that may be the cause of production problems; and generative adversarial networks to generate likely future production scenarios and sample scenarios of production problems for diagnostic purposes. The techniques will be evaluated and adapted in implementations at the partners from industry, using a design science approach. In particular, implementations of the method are made for: explaining production problems; explaining machine defects; and certifying the correct operation of new production processes.
Ontwikkelen van een tool om trends en scenario’s in kaart te brengen waarmee beter richting gegeven kan worden aan voor de praktijk relevante onderwijsprogramma’s en onderzoeksprojecten. In eerste instantie doen wij dat voor het domein commerciële economie (marketing & customer experience). Doel Dit project heeft twee doelen: 1: Ontwikkeling praktijk relevante opleidingsprogramma’s en onderzoeks programma’s. Dit doen wij door trends na te gaan middels literatuurstudie, interviews met toonaangevende mensen in het vakgebied en een conferentie waarin wij scenarios bouwen met experts 2: Train the trainer programma zodat wij ons de skills om dit zelf te kunnen binnen de HU eigen maken Resultaten Het project levert een aantal scenario’s op waarop wij ons kunnen voorbereiden en waarvan we de ontwikkeling in de toekomst kunnen monitoren. Hierdoor blijven onze onderwijs en onderzoeksprogramma’s bij de tijd. Looptijd 01 september 2020 - 01 december 2020 Aanpak Dit programma wordt ontwikkeld samen met De Ruijter strategie die in Nederland toonaangevend is op dit gebied en het Nederlands Instituut voor Marketing. Interne HU partners zijn het Institute for Marketing & Commerce en het Lectoraat Marketing en Customer Experience. Fase 1 is literatuuronderzoek. Hiervoor wordt o.a. ook via webscraping en Natural Language Processing informatie gehaald uit job ads van toonaangevende bedrijven. Fase 2 zijn interviews met toonaangevende mensen in de praktijk en wetenschap. Fase 3 een werkconferentie met 25 experts om scenario’s te ontwikkelen waarna een eindrapport wordt gemaakt. Hierna vinden de train the trainer sessies plaats, worden de scenario’s voorbereid en wordt de organisatie ingericht om e.e.a. in de tijd te monitoren. Relevantie van het project Het in kaart brengen van trends is een specialisme. Dat geldt ook voor scenario denken. Wij willen ons dat eigen maken zodat wij steeds relevanter worden voor de praktijk. Dit is goed voor studenten, docenten, werkgevers en de maatschappij
De wereld van de ICT verandert snel, het onderwijs dat HBO-ICT-instellingen aanbieden daarentegen niet. Om ervoor te zorgen dat studenten op de juiste manier worden voorbereid is het belangrijk om in kaart te kunnen brengen wat precies die behoeftes van het bedrijfsleven zijn.Doel Om een beeld te krijgen van de beschikbare vacatures op een expertiseveld gaan we met dit project automatisch de beschikbare vacatures scannen en analyseren. Middels tekstherkennings-algoritmen wordt duidelijk welke functies gevraagd zijn en welke vaardigheden en kennis voor de functies nodig is. Hierdoor zien we welke vaardigheden en tools opkomen en in ons onderwijs en rollen terug moeten komen. Resultaten Een op herbruik gefocuste architectuur/ontwerp voor een systeem dat invulling voor competenties kan bepalen a.h.v. vactures; Een werkend prototype om het concept te tonen; Een (schets van een) aanpassings-/uitrolplan om de ontwikkelde tooling in te kunnen zetten voor andere (niet ICT) opleidingen; Een korte paper die motiveert en verklaard wat de mogelijkheden en toepassingen van de tooling zijn. Looptijd 01 februari 2020 - 01 juli 2020 Aanpak In samenwerking met een team van Software Development studenten proberen we eerst een geschikte scraper en back-end te maken om de data van verschillende sites binnen te halen. Een ander team van studenten bestudeert de analyse mogelijkheden.
