Cookies

We gebruiken cookies om u de beste ervaring op onze website te bieden. U kunt meer informatie vinden over welke cookies we gebruiken of deze uitschakelen in de instellingen. - Bekijk cookie instellingen

Ga naar inhoud

STW HONOREERT ZES ONDERZOEKS- VOORSTELLEN SMART INDUSTRY

Gepubliceerd op 22 december 2016

RSS Feed

Dit artikel is geplaatst op: c2d

De nieuwe ‘industriële revolutie’ is weer een stapje dichterbij gekomen. Het bestuur van STW geeft goen licht aan zes onderzoeksvoorstellen binnen het programma Smart Industry. De onderzoeken richten zich onder meer op het realiseren van ongekend slimme industriële processen. Het programma
Smart Industry gaat een nieuwe fase in, nu zes onderzoeksvoorstellen zijn gehonoreerd. De onderzoeken sluiten aan bij de topsectoren HTSM (roadmap Smart Industry), ICT (Commit2Data-community) en Creatieve Industrie (CLICK.NL). Het totale budget van Smart Industry bedraagt ruim 3,6 miljoen euro. Lange termijn STW heeft zich in 2015 ingespannen om een brede Smart Industry Science Agenda op te stellen voor de lange termijn. Mede op basis daarvan heeft Smart Industry een prominente plek gekregen in de Nationale Wetenschapsagenda, een inventarisatie van wetenschapsvragen die door de maatschappij zijn aangedragen. Een van de zestien ‘routes’ van de Wetenschapsagenda is gewijd aan Smart Industry. Gehonoreerde projecten

  • Accelerating Mass Personalization in Orthopedics facilitated by Machine Learning and Bone MRI-based Digital Fabrication (15479) Hoofdaanvrager: Dr.ir. P.R. Seevinck, UMC Utrecht
  • Cross-Industry Predictive Maintenance Optimization Platform (CIMPLO) (15465) Hoofdaanvrager: Prof.dr. T.H.W. Bäck, Universiteit Leiden
  • Integrating models and real-time data for zero-defect manufacturing control systems (15472) Hoofdaanvrager: Prof.dr. B. Jayawardhana, Rijksuniversiteit Groningen
  • Next UPPS - Integrated design methodology for Ultra Personalised Products and Services (15470) Hoofdaanvrager: Dr.ir. J.C. Verlinden, Technische Universiteit Delft
  • Sequoia: Smart maintenance optimization via big data & fault tree analysis (15474) Hoofdaanvrager: Dr. M.I.A. Stoelinga, Universiteit Twente
  • SUPREME - Smart Sensoring and Predictive Maintenance in Steel Manufacturing (15467) Hoofdaanvrager: Prof.dr ir. T. Tinga, Universiteit Twente
  • Privacy overzicht
  • Noodzakelijke cookies
  • Cookies van derden
  • Aanvullende cookies
  • Privacy en cookies

Deze website maakt gebruik van functionele-, analytische- en tracking-cookies om de website te verbeteren.

Strikt Noodzakelijke Cookies moet te allen tijde worden ingeschakeld, zodat wij uw voorkeuren voor cookie-instellingen kunnen opslaan.

Deze website gebruikt Google Analytics, Hotjar en Facebook pixel om anonieme informatie te verzamelen, zoals het aantal bezoekers van de site en de meest populaire pagina's.

Door deze cookie ingeschakeld te houden, kunnen we onze website verbeteren.

Deze website gebruikt de volgende aanvullende cookies/services:

Meer over onze cookies