Wat ga je doen tijdens je software development stage?
Binnen industriële automatisering halen we al jaren meetdata uit productieprocessen en machines. Vaak gebruiken we die data vooral om terug te kijken als er iets misging. Handig, maar het kan slimmer.
Tijdens jouw stage onderzoek je hoe we die data kunnen gebruiken om problemen eerder te voorspellen. Denk aan afwijkende patronen, slijtage, terugkerende storingen of signalen die nu nog verstopt zitten in de data. Jij kijkt hoe AI en machine learning kunnen helpen om van terugkijken naar vooruitkijken te gaan.
Je verdiept je in technieken zoals machine learning, deep learning en neural networks. Daarna onderzoek je welke aanpak past bij de beschikbare data en het technische vraagstuk. Je programmeert of configureert een model, test je aannames en kijkt wat de uitkomsten praktisch betekenen.
De focus ligt op de veldschuifbesturing van Gelredome in Arnhem, daar ligt tien jaar aan data voor je klaar. Genoeg dus om aannames te testen en je computer flink te laten zweten. Aan jou de vraag: welke patronen zie je, wat kun je voorspellen en hoe vertaal je dat naar iets waar Kremer in de praktijk mee verder kan?
Jouw hoofdvraag
Hoe kan Kremer meetdata uit industriële installaties gebruiken om storingen eerder te voorspellen en productieverlies of uitval te beperken?
Dit ga je opleveren
- Analyse van beschikbare meetdata uit de veldschuifbesturing van Gelredome.
- Onderzoek naar geschikte AI- en machine learning-technieken.
- Een werkend model, prototype of proof of concept dat patronen of storingsrisico’s herkent.
- Advies over toepassing binnen industriële automatisering.
- Concrete vervolgstappen om predictive maintenance verder te ontwikkelen binnen Kremer.
