De conservatieve revolte van de Vier van Višegrad (Tsjechië, Slowakije, en vooral Polen en Hongarije) is geen conflict tussen Oost- en West-Europa. Het is een symptoom van een tegenstelling die het hele continent bezighoudt. De hardnekkige Oost-West-tegenstelling is voorbij, en kan beter vervangen worden door die tussen een vooroorlogse en naoorlogse visie op Europa. http://www.donaustroom.eu/oost-europa-en-de-slechte-oude-tijd-essay/ LinkedIn: https://www.linkedin.com/in/guido-van-hengel-8312729/
MULTIFILE
Europa is als onderwerp van politieke discussie in Nederland flink op de achtergrond geraakt. Na een korte, misschien wel geforceerde en overdreven opflakkering ten tijde van het EU-grondwetsreferendum is 'Europa' weer terug bij een kleine groep politici, ambtenaren en opiniemakers, die zich vooral de vraag stellen 'Wat wil Nederland nu verder met Europa?'.
Op 6 mei 2018 schreef Elmar Hellendoorn in De Volkskrant dat ‘Europa’ zijn machtspolitieke wortels moet herontdekken, ofwel de wortels van de vroege jaren, toen conservatieve realisten zoals Charles de Gaulle en Konrad Adenauer nog een bepalende rol speelden. Tevens schreef hij hoe ‘aan Amerikaanse universiteiten en denktanks een groeiende desinteresse in Europa merkbaar is’. Immers, de werkelijk bepalende gebeurtenissen van de wereld zijn verbonden met de opkomst van China, de hervonden status van Rusland, de situatie in het Midden-Oosten en misschien zelfs de ongewisse mogelijkheden voor Groot-Brittannië na de Brexit. Europa, het oude continentale Europa, geldt in de Verenigde Staten als oninteressant, vooral vanwege een vermeend gebrek aan leiderschap en visie. LinkedIn: https://www.linkedin.com/in/guido-van-hengel-8312729/
Inleiding en praktijkvraag De groeiende wereldbevolking gecombineerd met de klimaatverandering zorgt voor een de noodzaak tot een duurzame voedselvoorziening (KIA missie Landbouw, voedsel & water). Een significante reductie van gewasbestrijdingsmiddelen is daarbinnen een belangrijke doelstelling. Robotica maakt als technologie motor van de precisielandbouw plant specifieke precisie-bestrijding mogelijk. Het projectconsortium onderzoekt een semiautonoom samenwerkend grond-luchtrobot platform voor de precisielandbouw. Projectdoelstelling De doelstelling van het project AGRobot Platform is dan ook: “Onderzoek de mogelijkheden van een semi-autonoom samenwerkend grond-lucht robotplatform voor de precisielandbouw”. De hoofddoelstelling wordt binnen dit project beantwoordt door de deliverables uit de volgende subdoelstellingen: 1. Case studie onderzoek naar de mogelijke voordelen van het grond-luchtrobotplatform 2. Onderzoek naar de benodigde technologieën voor een grond-luchtrobotplatform 3. Ontwikkelen van een eerste (mogelijk case-specifieke) demonstrator 4. Ontwikkelen van (nieuwe) samenwerkingsvormen. Vraagsturing & Netwerkvorming Riwo Engineering is een industriële automatiseeerder die met zijn grondrobots en control-besturingssytemen actief is in de veeteelt. DRONEXpert gebruikt hyperspectrale camera’s onder drones voor het bemeten van gewassen. Saxion mechatronica onderzoekt met de onderzoekslijn unmanned robotic systems hoe de nieuwste robotica technologieën systemen mogelijk maakt voor ongestructureerde omgevingen. De partners bezitten gezamenlijk een enorm netwerk (TValley, Space53, euRobotics) en klanten om via de case studies de kansen te achterhalen en te realiseren. Innovatie Nergens ter wereld is een samenwerkend grond-luchtrobot platform actief in de precisielandbouw. Voor OostNederland, met naast veel robotica kennis ook veel Agro-kennis, zal het project letterlijk de KIEM zijn voor nieuwe projecten waaruit de valorisatie kansen richting heel Europa gaan. Activiteitenplan & Projectorganisatie Het project wordt geleid door de lector Dr. Ir. D.A.Bekke en uitgevoerd door Abeje Mersha en Mark Reiling samen met het deelnemend MKB. Het project bestaat uit 4 werkpakketten die achtereenvolgens antwoordt geven op de gestelde subdoelstellingen. Aan elk werkpakket zijn deliverables gekoppeld.
De Hogeschool van Arnhem en Nijmegen (HAN) en de hogeschool Saxion hebben beide de ambitie om met onderwijs en praktijkgericht onderzoek bij te dragen aan de energietransitie in Oost-Nederland. Saxion heeft dit geformuleerd in haar zwaartepunt Smart Energy Transition, de HAN in haar zwaartepunt Sustainable Energy & Environment (SEE). Bij beide hoge-scholen zijn meerdere lectoraten met verschillende expertises actief op dit thema. In het kader van het SIA SPRONG-programma willen HAN en Saxion hun ambities bundelen tot een krachtige onderzoeks-groep 'Decentrale Waterstof'. Vanuit het technische perspectief van systeemintegratie wil de groep decentrale waterstof-oplossingen engineeren, met oog voor meer dan techniek. In acht jaar tijd willen we met bedrijven en kennisinstellingen in de regio Oost-Nederland doorgroeien naar een sterke onderzoeksgroep met voldoende kritische massa om ook in Europa te worden gezien. Met bereikbaar onderzoek, hoogstaand onderwijs en cursussen op bachelor- en master-niveau, shared facilities, living labs, en (inter)nationale projecten voegen we waarde toe aan het onderwijs, de bedrijven en de energie-transitie. Dit borgen we in een Knowledge Base met meetdata, resultaten van experimenten, modellen, lesmateriaal en publicaties. Vanuit deze Knowledge Base zijn ook andere SPRONG-groepen te ondersteunen op bijvoorbeeld hun logistieke modellen of digital twins van de energietransitie. Zoals geformuleerd in de Kennis Innovatie Agenda Energietransitie & Duurzaamheid sluit duurzame waterstof aan bij de maatschappelijke behoefte rondom de energietransitie en bij een groeiende groep technologiebedrijven in de regio. Het decentrale karakter sluit aan bij mobiliteit, bij lokale warmtebehoeftes en bij de energie infrastructuur van Oost-Nederland, waar we het spel van vraag, aanbod en opslag van duurzame energie slim leren spelen in wijk, mobiliteit en buitengebied. De onderzoeksgroep krijgt ruime support uit de regio en sluit aan bij lopende regionale initiatieven, zoals Connectr Energy innovation, H2Hub Twente, GROHW, en bij de Centres of Expertise SEECE en ACE.
Assemblageprocessen en diensten van producenten van hightech systemen worden in Noordwest-Europa gekenmerkt door een hoge variatie aan producten en oplossingen met laag volume. Productieautomatisering, flexibilisering en optimalisatie zijn essentiële processen om kleinere series te produceren en tegelijkertijd de grote verscheidenheid aan producten en diensten te realiseren. Om arbeidsproductiviteitsverbeteringen mogelijk te maken worden apparaten steeds vaker uitgerust met visionsystemen voor pick-and-place toepassingen, kwaliteitscontroles, objectlokalisaties en objectherkenning. Visionsystemen zijn echter gevoelig voor veranderingen in de omgeving, waardoor systemen kunnen stilvallen. Visionsystemen zijn met name gevoelig voor onvoorspelbare veranderingen in de omgeving, zoals belichting, schaduwvorming, oriëntatie van producten en grote optische variaties in bijvoorbeeld natuurlijke producten. Machine Learning (ML), een vorm van kunstmatige intelligentie, kan deze tekortkomingen grotendeels oplossen en kan visionsystemen robuuster en sneller configureerbaar maken; ML is uitermate geschikt om toegepast te worden in visiontoepassingen. Echter, ML voor vision is voor veel MKB’ers een ver-van-mijn-bed-show, voorbestemd voor multinationals met grote budgetten. Bovenal is de structuur en kennis over het toepassen van ML voor vision niet helder noch eenvoudig toegankelijk. Daarom is de onderzoeksvraag: Hoe kunnen door het industriële MKB machine learning frameworks binnen visiontoepassingen worden gebruikt om efficiëntere productieprocessen te realiseren? Met dit project wil het consortium deze ML-structuur inzichtelijk maken; ten tweede ML beschikbaar maken voor MKB; ten derde samen onderzoeken hoe ML voor vision industrieel kan worden toegepast middels drie casussen en ten vierde de opgedane kennis borgen en verspreiden binnen MKB en onderwijs. Het project is een samenwerking tussen lectoraten mechatronica en ambient intelligence van Saxion, Computer Vision & Data Science van NHL Stenden. De participerende bedrijven zijn actief als hightech systeemontwikkelaar, kennis-toeleverancier en/of eindgebruiker als productiebedrijf. Daarnaast zijn het Smart Industry Fieldlab TValley en brancheorganisatie BOOST betrokken. Dit project zal kennis ontwikkelen ten behoeve van het adequaat toepassen van Machine Learning algoritmes in visionapplicaties.
