Service of SURF
© 2025 SURF
This study tackles the gate allocation problem (GAP) at the airport terminal, considering the current covid-19 pandemic restrictions. The GAP has been extensively studied by the research community in the last decades, as it represents a critical factor that determines an airport's capacity. Currently, the airport passenger terminal operations have been redesigned to be aligned and respect the covid-19 regulation worldwide. This provides operators with new challenges on how to handle the passengers inside the terminal. The purpose of this study is to come up with an efficient gate allocator that considers potential issues derived by the current pandemic, i.e., avoid overcrowded areas. A sim-opt approach has been developed where an evolutionary algorithm (EA) is used in combination with a dynamic passenger flow simulation model to find a feasible solution. The EA aims to find a (sub)optimal solution for the GAP, while the simulation model evaluates its efficiency and feasibility in a real-life scenario. To evaluate the potential of the Opt-Sim approach, it has been applied to a real airport case study.
Assigning gates to flights considering physical, operational, and temporal constraints is known as the Gate Assignment Problem. This article proposes the novelty of coupling a commercial stand and gate allocation software with an off-the-grid optimization algorithm. The software provides the assignment costs, verifies constraints and restrictions of an airport, and provides an initial allocation solution. The gate assignment problem was solved using a genetic algorithm. To improve the robustness of the allocation results, delays and early arrivals are predicted using a random forest regressor, a machine learning technique and in turn they are considered by the optimization algorithm. Weather data and schedules were obtained from Zurich International Airport. Results showed that the combination of the techniques result in more efficient and robust solutions with higher degree of applicability than the one possible with the sole use of them independently.
Het RAAK-MKB project "(G)een Moer Aan" heeft zich gericht op het ontwerpen van een veilige en effectieve ondersteuning van een cobot in een productieomgeving. De focus is hierbij gelegd op productiehandelingen die in veel sectoren voorkomen en die relatief veel arbeidstijd kosten, zoals het indraaien van moeren en bouten in een object. Binnen het project is veel kennis opgedaan dit heeft geresulteerd in gripperontwerpen die in staat zijn een bout in een flens te draaien. Daarnaast is kennis gegeneerd van vision technieken om gaten e.d. te detecteren, en het meenemen van (beleefde) veiligheid in het ontwerp van een cobot systeem. Deze nieuw opgedane kennis is erg bruikbaar voor zowel de beroepspraktijk als voor de studenten in het onderwijs. Dat maakt het relevant voor (her)gebruik middels het nieuwe open-acces e-learning platform van Fontys: Open Learning Labs. Door trainingsmateriaal te ontwikkelen dat betrekking heeft op onder andere het aspect veilig ontwerpen, worden toekomstige engineers (de studenten) en zittend personeel bij bedrijven bekend met nieuwe technieken die toepasbaar zijn in diverse sectoren waar met robots gewerkt wordt. Het doel van deze Top-up aanvraag is tweeledig: 1) Het vergroten van de zichtbaarheid van de resultaten uit het initiële RAAK-project, zowel richting onderwijs, onderzoek en beroepspraktijk. 2) Het realiseren van trainingsmateriaal t.b.v. het rekening houden met en veilig ontwerpen van cobotsystemen. Door o.a. kennis aan te dragen omtrent het doen van een correcte risico analyse van het proces. Dit zal bij toekenning stapsgewijs uitgevoerd worden: 1. Definiëren inhoud lesmodules en bijbehorende didactische werkvormen 2. Realisatie PR- & instructievideo's en onderwijsopdrachten 3. Realisatie E-learning lesmodule Dit alles gekoppeld aan het open-acces e-learning platform Open Learning Labs van Fontys.
The production of denim makes a significant contribution to the environmental impact of the textile industry. The use of mechanically recycled fibers is proven to lower this environmental impact. MUD jeans produce denim using a mixture of virgin and mechanically recycled fibers and has the goal to produce denim with 100% post-consumer textile by 2020. However, denim fabric with 100% mechanically recycled fibers has insufficient mechanical properties. The goal of this project is to investigate the possibilities to increase the content of recycled post-consumer textile fibers in denim products using innovative recycling process technologies.
Mondkapjes, of mondmaskers, zijn door de SARS-COV-2 pandemie niet meer uit het straatbeeld weg te denken. De kwaliteit en comfort van de pasvorm van medische en niet-medische mondmaskers wordt bepaald door hoe goed het mondmasker overeenkomt met de afmetingen van het gezicht van de drager. Echter is er geen goed overzicht van de antropometrie van het gelaat van de Nederlandse bevolking waardoor de pasvorm van mondmaskers nu vaak niet optimaal is. Er is dus vraag naar een laagdrempelige en veilige manier om gezichtskenmerken in kaart te brengen en betere ontwerprichtlijnen voor mondkapjes. Driedimensionaal (3D) scannen doormiddel van Light Detection and Ranging (LiDaR) technologie in combinatie met slimme algoritmes lijkt wellicht een manier om gezichtskenmerken snel en laagdrempelig vast te leggen bij grote groepen mensen. Daarnaast geeft het 3D scannen van gezichten de mogelijkheid om niet enkel de afmetingen van gezichten te meten, maar ook 3D pasvisualisaties uit te voeren. Hoewel 3D scannen geen nieuwe technologie is, is de LiDaR technologie pas sinds 2020 geïntegreerd in de Ipad en Iphone waardoor het toegankelijk gemaakt is voor consumenten. Doormiddel van een research through design benadering zal onderzocht worden of deze technologie gebruikt kan worden om betrouwbare en valide opnames te maken van gezichten en of er op basis hiervan ontwerprichtlijnen ontwikkeld kunnen worden. In dit KIEM GoCi-project zal daarnaast ingezet worden om een kennisbasis en netwerk op te bouwen voor een vervolg aanvraag over de inzet van 3D technologieën in de mode-industrie.