The proceedings contain 24 papers. The special focus in this conference is on Challenging the Future with Lean. The topics include: A Confrontation Between Lean Thinking and Postmetaphysical Philosophy; barriers and Enablers of Lean Industry 4.0; how Organizations Can Harness Continuous Improvement Practices to Develop Their Data Analytic Capability: A Conceptual Paper; Introducing DACAR: A Process Mapping Tool to Uncover Robotization Implications in Manufacturing; toward 1+1 = 3 with Lean Robotics: The Introduction of a Human-Centered Robotization Method; digital Tools Supporting Lean Program in a Multinational Enterprise; lean Planning & Control in a High-Variety/Low-Volume Environment; sustainability Struggles: Investigating the Interactions of Lean Practices and Barriers to Environmental Performance in Manufacturing; Investigating the Relationship Among Lean Manufacturing Practices to Improved Eco-Efficiency Performance: A Fuzzy DEMATEL Analysis; The Contribution of SMED to the Sustainability of Organizations; hoshin Kanri for Social Enterprises - Co-visualizing Values-Based Strategic Plans; integration of a Robot Solution in a Manufacturing Environment: A Serious Gaming Approach; using Games and Simulations to Facilitate Generative Conflict; the Influence of Learning Styles on the Perception of Lean Implementation Effectiveness by Employees; current State of Practice in Developing Lean Six Sigma Training and Certification Programs -an Irish Perspective; improving the Success Rate of Lean-Themed Internships; serious Games as a Lean Construction Teaching Method - A Conceptual Framework; The Impact of SMED on Productivity and Safety; a Systematic Literature Review on the Use of Lean Methodologies in Enterprise Sales Processes; the First Chapter of a Regional Deployment of a Continuous Improvement Program in a Medical Device Company.
LINK
Uit het rapport: "De opgave voor sociale woningbouwrenovatie in Nederland is enorm. De woningen moeten na renovatie veel energiezuiniger zijn. Maar corporaties en bewoners willen de renovatie snel, van hoge kwaliteit, duurzaam, goedkoop en met weinig overlast. De bouwsector heeft grote moeite om aan deze verwachtingen te voldoen, zeker nu een tekort aan gekwalificeerde arbeid dreigt. De bouwbedrijven hebben de afgelopen jaren niet stilgezeten. Bouwbedrijven passen lean-principes toe en de realisatie van sociale woningbouwprojecten is duidelijk beter onder controle. Maar het proces voorafgaand aan de realisatie van de sociale woningbouwrenovatie (het voortraject) is vaak verre van optimaal. Actoren in dit voortraject geven aan dat er sprake is van miscommunicatie, late wijzigingsvoorstellen, gebrekkige sturing en omissies. Het gevolg is dat de bouwpartijen in het voortraject van sociale woningbouwrenovaties relatief veel kosten maken, het voortraject lang duurt en niet optimaal is. In het kader van een SIA RAAK MKB-project beantwoorden lectoraten van HU en HAN samen met opleidingen en bedrijfsleven de vraag: Hoe kan het voortraject van sociale woningbouwrenovatieprojecten efficiënter en effectiever gemaakt worden vanuit een algemene procesaanpak (toolbox) inclusief bijbehorend procesinstrumentarium (tools) die naar gelang de situatie flexibel kan worden ingezet? Centraal in het project staat het vormgeven van een toolbox die helpt bij het opzetten van een beheerssysteem voor het efficiënt doorlopen van het voortraject (definitie, ontwerp en voorbereiding) van sociale woningbouwrenovatieprojecten. Figuur 1 geeft het basismodel weer dat ten grondslag ligt aan het onderzoek. Voor een goed beheerssysteem is kennis nodig van beheersconcepten, methoden en technieken (pijl 1) én van de kritieke succesfactoren van bouwprojecten (pijl 2). Een goed beheerssysteem is in staat om met de juiste beheersconcepten de kritieke succesfactoren te monitoren en te sturen om op deze wijze te komen tot een effectief en efficiënt voortraject (pijl 3). Dit voortraject bereidt de projectuitvoering voor (pijl 4). Samen bepalen ze het uiteindelijke succes van een bouwproject (pijl 5). Kritieke succesfactoren kunnen achterhaald worden door het succes (of falen) van complete bouwprojecten te analyseren (pijl 6). Kenmerken van het bouwproject zijn in belangrijke mate bepalend voor de invulling van de verschillende elementen in het denkmodel. Dit eerste deelrapport behandelt de eerste stap in het onderzoek: een inventarisatie van gehanteerde beheersconcepten. In het bijzonder de beheersconcepten die een link hebben met de gedachten rond lean. De onderzoekers hebben zich vooral gericht op beheersconcepten die vanaf de tweede helft van de vorige eeuw zijn ontstaan. Daarmee geven de onderzoekers niet aan dat traditionele beheersconcepten niet goed zijn. Deze concepten zijn echter alom bekend. In de bouwbranche kent eenieder de traditionele samenwerking waarbij de opdrachtgever een bestek “op de markt zet” en de laagste bieder het ontwerp mag uitvoeren. De onderzoekers beschrijven de kenmerken van 14 concepten met behulp van bestaande literatuur over deze concepten. De concepten staan in de volgende 14 hoofdstukken steeds op dezelfde manier omschreven. Eerst omschrijven de onderzoekers de kenmerken van het concept. De kenmerken staan in de tekst vetgedrukt aangegeven. Vervolgens gaan de onderzoekers in op de situatie waarbij het concept toepasbaar is. Ook de voorwaarden om het concept toe te passen staan vetgedrukt aangegeven. Daarna geven de onderzoekers aan waaraan het concept bijdraagt, ook weer vetgedrukt per aspect. De vetgedrukte onderdelen komen terug in de conclusie. De onderzoekers sluiten een hoofdstuk steeds af met een lijst met interessante literatuur over het concept. In de conclusie maken de onderzoekers een koppeling tussen de kenmerken, de voorwaarden en de doelen van de 14 concepten en de kritieke succesfactoren zoals deze door Chua, Kog en Loh (Critical Success Factors fot Different Project Objectives, 1999) worden omschreven. De onderzoekers hebben deze conclusie gebruikt om tot de volgende stap in het onderzoek te komen."
Een geschatte hoeveelheid van tussen de 35 en 140 miljoen kilo zwerfafval wordt jaarlijks in Nederland op straat of in de natuur aangetroffen. Gemeenten zijn verantwoordelijk voor het voorkomen en opruimen van zwerfafval. Daarom heeft bijvoorbeeld gemeente Breda de ambitie uitgesproken om de stad in 2030 zwerfafval vrij te hebben. Deze ambitieuze doelstelling moet bereikt worden door acties zowel op het vlak van preventie, als het opruimen en het hergebruik. Om deze acties kwantitatief te onderbouwen en te monitoren zijn gegevens over ligging, hoeveelheid en samenstelling van het zwerfafval noodzakelijk. Het is momenteel al mogelijk om zwerfafvaldata te verkrijgen om analyses op te verrichten. Deze data is afkomstig van vrijwilligers die middels apps als Litterati zwerfafval verzamelen en classificeren (labelen). Het toekennen van een label is een tijdrovende klus en levert maar een beperkt beeld van de totale hoeveelheid zwerfafval in een gemeente. Dit classificeren kan geautomatiseerd worden door object detectie algoritmen welke zijn getraind op afbeeldingen van zwerfafval. Om een groter gebied te monitoren zijn camerasystemen ontwikkeld die in staat zijn zwerfafval automatisch te detecteren. Technisch gezien zijn er steeds meer oplossingen om automatisch zwerfafval in kaart te brengen en te classificeren, maar een praktijkgerichte oplossing voor bijvoorbeeld beleidsmakers zonder technische kennis ontbreekt nog. In dit toegepast ontwerponderzoek werken we samen met gemeente Breda, gemeente ‘s-Hertogenbosch, stichting GoClean, Natuur- en milieuvereniging Markkant, stichting Nederland Schoon, de Antea Group en betrokken MKB-ers aan het antwoord op de onderzoeksvraag “Hoe kan zwerfafval in de openbare ruimte automatisch gedetecteerd en geclassificeerd worden vanuit verschillende, onafhankelijke bronnen met een zo beperkt mogelijke tijdsinvestering van de mens in dit proces.” De technische componenten die hiervoor nodig zijn worden samengevoegd in een gebruiksvriendelijk dataplatform. Op basis van de uitkomsten kunnen gemeenten (en andere publieke partijen) in Nederland datagedreven interventies ontwikkelen om zwerfafval tegen te gaan.
In de schoonmaakbranche is de werkdruk hoog . Hierdoor worden gebouwen dagelijks niet goed genoeg schoongemaakt. Er heerst krapte op de arbeidsmarkt. Schoonmaakwerk is vooral handmatig werk en is ook zwaar werk. De schoonmaakbranche is dringend op zoek naar technologische oplossingen die het werk in de toekomst kunnen verlichten. Eén van die technologische oplossingen is de introductie van schoonmaakrobots , die op dit moment mondjesmaat op de markt worden gebracht. Schoonmaakorganisaties weten nog niet goed hoe deze robots efficiënt in te zetten, het vergt nog veel tijd om ze te kunnen gebruiken en schoonmaakmedewerkers zijn terughoudend om ermee te werken. Het project Assisted Cleaning Robots (ACR) richt zich op de volgende onderzoeksvraag: “hoe integreer je robottechnologie in het werkproces in de schoonmaakbranche, zodat een robot enerzijds zo optimaal mogelijk het werkproces ondersteunt, en anderzijds zo optimaal mogelijk met de mens samenwerkt.” Wat hierin optimaal is en hoe dit gemeten kan worden, is onderdeel van het onderzoek en is afhankelijk van de technologische mogelijkheden, de mensen die er mee werken, en de werkomgeving. In dit project werken Fontys Hogeschool Engineering, Fontys Hogeschool Techniek & Logistiek en de Haagse Hogeschool samen met schoonmaakorganisaties CSU en Hectas en andere bedrijven (toeleveranciers van schoonmaakrobots als ontwikkelaars), nationaal samenwerkingsverband Holland Robotics en brancheorganisatie Schoonmakend Nederland. Dit project kent een looptijd van twee jaar en gaat van start op 1 november 2021. In dit project worden nieuwe schoonmaakprocessen gedefinieerd en wordt op basis van deze processen technologie ontwikkeld (waar doorgaans eerst een nieuw product wordt ontwikkeld en daarna pas gekeken naar hoe dit product in te zetten). In dit project staat de mens die met de technologie in het proces moet gaan werken centraal. De technologie en het proces worden gevalideerd middels praktijktests met de betrokken schoonmaakorganisaties, op representatieve locaties. Hieruit worden lessen getrokken voor verbeteringen.
The focus of the research is 'Automated Analysis of Human Performance Data'. The three interconnected main components are (i)Human Performance (ii) Monitoring Human Performance and (iii) Automated Data Analysis . Human Performance is both the process and result of the person interacting with context to engage in tasks, whereas the performance range is determined by the interaction between the person and the context. Cheap and reliable wearable sensors allow for gathering large amounts of data, which is very useful for understanding, and possibly predicting, the performance of the user. Given the amount of data generated by such sensors, manual analysis becomes infeasible; tools should be devised for performing automated analysis looking for patterns, features, and anomalies. Such tools can help transform wearable sensors into reliable high resolution devices and help experts analyse wearable sensor data in the context of human performance, and use it for diagnosis and intervention purposes. Shyr and Spisic describe Automated Data Analysis as follows: Automated data analysis provides a systematic process of inspecting, cleaning, transforming, and modelling data with the goal of discovering useful information, suggesting conclusions and supporting decision making for further analysis. Their philosophy is to do the tedious part of the work automatically, and allow experts to focus on performing their research and applying their domain knowledge. However, automated data analysis means that the system has to teach itself to interpret interim results and do iterations. Knuth stated: Science is knowledge which we understand so well that we can teach it to a computer; and if we don't fully understand something, it is an art to deal with it.[Knuth, 1974]. The knowledge on Human Performance and its Monitoring is to be 'taught' to the system. To be able to construct automated analysis systems, an overview of the essential processes and components of these systems is needed.Knuth Since the notion of an algorithm or a computer program provides us with an extremely useful test for the depth of our knowledge about any given subject, the process of going from an art to a science means that we learn how to automate something.
