Het verbinden van ongelijksoortige metalen door middel van lassen is over het algemeen geen eenvoudige zaak en vereist op een aantal gebieden specialistische kennis. Kennis is nodig op het gebied van de lastechniek en met name ten aanzien van de mogelijkheden die de verschillende lasprocessen bieden. Dit is echter niet voldoende, ook kennis met betrekking tot de metallurgische eigenschappen van de te lassen metalen is een essentiële voorwaarde om met succes een lasverbinding in ongelijksoortige metalen tot stand te brengen. En zelfs al is deze kennis voorhanden, dan nog is succes niet altijd verzekerd, omdat onverwachte problemen ervoor kunnen zorgen dat de lasverbinding niet de vereiste kwaliteit heeft. Bij het lassen van ongelijksoortige metalen spelen zeer veel factoren een rol. Belangrijk zijn de fysische eigenschappen van het metaal, waaronder de chemische samenstelling, het smeltpunt, de warmte- en elektrische geleidbaarheid en de uitzettingscoëfficiënt. Metallurgische eigenschappen als structuur, textuur, opmenging, oplosbaarheid, enz. spelen eveneens een essentiële rol bij het vervaardigen van lasverbindingen in ongelijksoortige metalen.
In het kader van actualisering van voorlichtingspublicaties (een samenwerkingsverband tussen FDP, FME, NIL, NIMR, Syntens en TNO Industrie & Techniek), is deze voorlichtingspublicatie aangepast aan de huidige stand der techniek. De originele publicatie is in 1992 tot stand gekomen door samenwerking van de Vereniging FME/CWM en het Nederlands Instituut voor Lastechniek in het kader van het FME/NIL project "Het lijmen als verbindingstechniek".
In het kader van actualisering van voorlichtingspublicaties (een samenwerkingsverband tussen FDP, FME, NIL, NIMR, Syntens en TNO Industrie & Techniek), is deze voorlichtingspublicatie aangepast aan de huidige stand der techniek. De originele publicatie is in 1991 tot stand gekomen door samenwerking van de Vereniging FME/CWM en het Nederlands Instituut voor Lastechniek in het kader van het FME/NIL project "Het lijmen als verbindingstechniek"
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.
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.
In het ziekenhuis kan elke fout een leven kosten. Zo kan al een kleine bereidingsfout bij het klaarmaken van intraveneuze medicijnen (IV) leiden tot levensbedreigende omstandigheden voor de patiënt. Bereiding van dit type medicijnen gebeurt in de apotheek en op de verpleegafdeling. Met name op de verpleegafdeling is het een drukke en onvoorspelbare setting. Wereldwijd komen in deze setting ernstige bereidingsfouten nog te frequent voor. Om deze menselijke fouten te reduceren, wordt in deze KIEM aanvraag een proof-of-concept ‘slim oog’ ontwikkeld die vlak voor de toediening detecteert of de juiste dosis aanwezig is, of het type medicijn correct is en geen vervuiling aanwezig is. Het slimme oog maakt gebruik van hyperspectrale technologie en artificial intelligence, en is een samenwerking tussen de Computer Vision & Data Science afdeling van NHL Stenden Hogeschool, de automatische medicijncontrole specialist ZiuZ, en het Tjongerschans ziekenhuis. De unieke combinatie tussen nieuwe AI-technieken, hyperspectrale techniek en de toepassing op intraveneuze medicijnen is voor dit consortium technisch nieuw, en is nog niet eerder ontwikkeld voor de toepassing aan het bed of in de medicijnkamer op de verpleegafdeling. De onvoorspelbare setting en de urgentie aan het bed maakt dit onderzoek technisch uitdagend. Tevens moet het uiteindelijke device klein en draagbaar en snel werkzaam zijn. Om de grote verscheidenheid aan mogelijke gebruik scenario's en menselijke fouten te vangen in het algoritme, wordt een door NHLS ontwikkelde simulatie procedure gevolgd: met nabootsing van de praktijksituatie in samenwerking met zorgverleners, met opzettelijke fouten, en computer gegenereerde beeldmanipulatie. Het project zal geïntegreerd worden in het onderwijs volgens de design-based methode, met teams bestaande uit domein experts, bedrijven, docent-onderzoekers en studenten. Het uiteindelijke doel is om met een proof-of-concept aan-het-bed demonstrator een groot consortium van ziekenhuizen, ontwikkelaars en eindgebruikers enthousiast te maken voor een groter vervolgproject.
