Naast de vele publicaties in de media en het materiaal, dat de leveranciers van EIS-pakketten verspreiden, hebben vorig twee onafhankelijk van elkaar opererende werkgroepen onderzoeksrapportages uitgebracht over de praktijkervaringen met Executive Information Systems (EIS) in Nederland.
Inleiding in Lessen uit crises en mini-crises 2013? Deze publicatie is de tweede in de reeks Lessen uit crises en mini-crises.In deze bundel worden – als vervolg op de twintig casus uit 2012 – achttien bijzondere gebeurtenissen uit het jaar 2013 beschreven en beschouwd. Sommigen zullen zich misschien afvragen: Waarom eentweede editie – was met de casus uit 2012 al niet alles gezegd? Ook bij ons is die vraag opgekomen en wij kwamen tot de conclusie dat een vervolg om verschillende redenen waardevol is.
Vanaf 2013 kunnen bedrijven – of hun financiële intermediair – voor het indienen van belastingaangiften, jaarrekeningen en financiële rapportages gebruik maken van een nieuwe elektronische standaard: Standard Business Reporting (SBR). Voortaan kunnen bedrijven rechtstreeks via hun administratiesoftware gegevens uitwisselen met overheidsinstanties, banken en intermediairs. De Rijksoverheid beoogt met SBR de administratieve lastendruk voor het Nederlandse bedrijfsleven te verlichten. Nu SBR een feit is, rijst de vraag op in hoeverre ondernemers op de hoogte zijn van de mogelijkheden en gevolgen die de invoering ervan met zich meebrengt. Het expertisecentrum Instant Reporting en het lectoraat Online Ondernemen van de Hogeschool van Amsterdam hebben dit onderzocht in samenwerking met zeven brancheorganisaties. De Hogeschool van Amsterdam wil hiermee nadrukkelijk de discussie bevorderen tussen brancheverenigingen, de Rijksoverheid, banken, intermediairs en leveranciers van administratiesoftware over wat SBR het MKB te bieden heeft. Deze publicatie is uitgegeven door het Centre for Applied Research on Economics & Management (CAREM) en het expertisecentrum Instant Reportingvan het domein Economie en Management van de Hogeschool van Amsterdam. CAREM is een centrum voor praktijkgericht economisch onderzoek gericht op kennisontwikkeling. Het expertisecentrum Instant Reporting bundelt de aanwezige kennis op het gebied van SBR en stelt studenten in staat na hun afstuderen de arbeidsmarkt te betreden met de vereiste actuele kennis over SBR.
De digitale transitie van mkb’s, met name in de maakindustrie, is goed onderweg, maar verre van afgerond. Er is een grote vraag naar het invoeren van het (Industrial) Internet of Things om procesdata van productiesystemen te bemachtigen en deze vervolgens te analyseren. Deze analysestap heeft een verdere interesseboost gekregen door de mogelijkheden van artificiële intelligentie (AI), waarmee data-analyses naar een complexer niveau getild kunnen worden. In het RAAK-mkb-project Data in Smart Industry staat deze vraag naar de mogelijkheden van IoT en AI centraal: welke data moeten en kunnen we verzamelen en vervolgens op welke manier analyseren? Met bedrijfspartners uit de maakindustrie zijn verschillende casussen IoT-technologie en machine learning (een subdomein van AI) ingezet in pilot studies. Ter afsluiting van het project wordt, in samenwerking met de brancheorganisatie FME en het smartindustryplatform Boost, en vanuit het RAAK-mkb-project Focus op Vision, een aantal trainingssessies georganiseerd rondom AI. Hierbij wordt het bedrijfsleven onderwezen in het toepassen van AI-technologie vanuit een procesmatig en technisch perspectief, waarbij lering wordt getrokken uit de casussen van het Data in Smart Industry-project. De Top-up-subsidie dient het doel om de geleerde lessen uit het RAAK-mkb-project verder te laten landen in de regio Oost-Nederland. Instrumentaal hierin is TValley, een fieldlab gericht op de ontwikkeling van mechatronische systemen zoals industriële robotica. Met de Top-up-subsidie kan TValley uitgebreid worden met een pijler omtrent IoT en AI, vakgebieden die deels overlap hebben met het huidige domein van het fieldlab. Hiervoor worden de ontwikkelde leermaterialen ingezet en doorontwikkeld om kennis te verspreiden en nieuwe bedrijfscasussen op te starten rondom de thema’s IoT en AI binnen TValley.
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.
In het RAAK MKB project Focus op Vision wordt onderzocht hoe we machine learning (ML) technieken beschikbaar kunnen maken voor het MKB. Dit wordt gedaan door nauw samen te werken met de bedrijven in hun specifieke bedrijfscasussen, maar ook door basistrainingen “vision ontwerp” en “Kunstmatige intelligentie”. Het project is verdeeld in werkpakketten waarvan er zeker 2 hinder hebben ondervonden door de COVID-19 maatregelen en de beperkte mogelijkheden om elkaar fysiek te ontmoeten. De basistraining machine vision ontwerp is ingericht om met behulp van fysieke demonstraties van visiontechnieken mensen te trainen. Eind februari 2020 is de eerste helft van de training reeds uitgevoerd maar door de plotselinge lockdown van 13 maart 2020 is het vervolg van de training uitgesteld. De verwachting is echter dat dit soort bijeenkomsten tot het eind van dit project niet mogelijk zullen zijn. Hierdoor zijn wij genoodzaakt zijn om de basistraining beschikbaar te maken voor online sessies. Om een praktische basistraining online te kunnen geven en zal worden gewerkt aan duidelijke visuele middelen om zo veel mogelijk in beeld te brengen. De bijbehorende documentatie zal tevens online beschikbaar worden gesteld waarbij de nadruk op het maken van ondersteunende video’s ligt. De basistraining kan echter wel voor een grotere groep bedrijven worden gehouden en hiermee kunnen we een groter gedeelte van het regionale MKB bedienen. In werkpakket 3 is staat onder andere de detectie van erosie in rioleringen met ML centraal. Een eindtest in de riolering loopt door de COVID-19 maatregelen vertraging op waardoor extra uren nodig zijn om deze test te kunnen uitvoeren. Bovendien verwachten we door deze eindtest een samenwerking met het bedrijf Twente Milieu (publieke sector, geen MKB) te kunnen opbouwen. Met dit project willen we vertragingen door COVID-19 maatregelen opvangen, zodat we alle projectresultaten kunnen opleveren en ons netwerk kunnen uitbreiden.
