Deze poster geeft een samenvatting van onze studie naar de betrouwbaarheid en validiteit van tien verschillende consumenten activity trackers.
Full text beschikbaar met HU-account. Het evalueren van de effectiviteit van een complexe interventie in een gerandomiseerde klinische trial is niet eenvoudig.1,2) In de literatuur wordt een interventie als effectief beschouwd wanneer er een positief resultaat op de primaire uitkomst is gevonden. Echter, om de validiteit en betrouwbaarheid van een interventie te beoordelen is kennis nodig over de mate waarin de interventie is uitgevoerd als gepland, ofwel de interventiegetrouwheid.3) Daarnaast geeft kennis over interventiegetrouwheid inzicht in hoeverre de implementatie succesvol was en daadwerkelijk een bijdrage heeft kunnen leveren aan de geobserveerde uitkomsten.
De maatschappelijke discussies over de invloed van AI op ons leven tieren welig. De terugkerende vraag is of AI-toepassingen – en dan vooral recommendersystemen – een dreiging of een redding zijn. De impact van het kiezen van een film voor vanavond, met behulp van Netflix' recommendersysteem, is nog beperkt. De impact van datingsites, navigatiesystemen en sociale media – allemaal systemen die met algoritmes informatie filteren of keuzes aanraden – is al groter. De impact van recommendersystemen in bijvoorbeeld de zorg, bij werving en selectie, fraudedetectie, en beoordelingen van hypotheekaanvragen is enorm, zowel op individueel als op maatschappelijk niveau. Het is daarom urgent dat juist recommendersystemen volgens de waarden van Responsible AI ontworpen worden: veilig, eerlijk, betrouwbaar, inclusief, transparant en controleerbaar.Om op een goede manier Responsible AI te ontwerpen moeten technische, contextuele én interactievraagstukken worden opgelost. Op het technische en maatschappelijke niveau is al veel vooruitgang geboekt, respectievelijk door onderzoek naar algoritmen die waarden als inclusiviteit in hun berekening meenemen, en door de ontwikkeling van wettelijke kaders. Over implementatie op interactieniveau bestaat daarentegen nog weinig concrete kennis. Bekend is dat gebruikers die interactiemogelijkheden hebben om een algoritme bij te sturen of aan te vullen, meer transparantie en betrouwbaarheid ervaren. Echter, slecht ontworpen interactiemogelijkheden, of een mismatch tussen interactie en context kosten juist tijd, veroorzaken mentale overbelasting, frustratie, en een gevoel van incompetentie. Ze verhullen eerder dan dat ze tot transparantie leiden.Het ontbreekt ontwerpers van interfaces (UX/UI designers) aan systematische concrete kennis over deze interactiemogelijkheden, hun toepasbaarheid, en de ethische grenzen. Dat beperkt hun mogelijkheid om op interactieniveau aan Responsible AI bij te dragen. Ze willen daarom graag een pattern library van interactiemogelijkheden, geannoteerd met onderzoek over de werking en inzetbaarheid. Dit bestaat nu niet en met dit project willen we een substantiële bijdrage leveren aan de ontwikkeling ervan.
Het KIEM High Tech project ALIGN beoogt de verbetering van fiberoptische gyroscoop (FOG)-productie door het huidige handmatige uitlijnproces van optische fibers en de lichtbron te automatiseren. In de luchtvaart, waar precisie en betrouwbaarheid cruciaal zijn, spelen FOG’s een essentiële rol bij het meten van de oriëntatieveranderingen van vliegtuigen. Een consistente productie van de FOG’s leidt tot een betrouwbaarder en veiliger vliegtuig. Hoewel het product voldoet aan de eisen die de luchtvaart stelt, veroorzaakt de huidige productiemethode variabiliteit in sensorprestaties, en men begrijpt niet volledig waarom dit gebeurt. Het consortium bestaande uit Patria, IMS, en het lectoraat Applied Nanotechnology (ANT) van Saxion wil een proof-of-concept demonstreren voor geautomatiseerde uitlijning, met de focus op fiberdetectie en manipulatie, uitlijnalgoritmes, en stabiele prestaties van het eindproduct. Het innovatieve aspect omvat het onderzoek naar geschikte automatiseringsmethoden, rekening houdend met fixatie van de optische componenten door solderen. Huidige automatiseringsoplossingen zijn duur en zijn niet altijd geschikt voor fixatie van optische componenten bij hoge temperaturen. Het projectplan omvat verschillende activiteiten, waaronder onderzoek naar fibermanipulatie en control, vision, en integratie en verificatie. Het doel is het creëren van een werkende proof-of-concept demonstrator die voldoet aan de gestelde eisen van het productieproces en het eindproduct. De kennis uit dit project wordt opgenomen in onderwijsmodules van verschillende opleidingen, en kan een opmaat zijn voor een vervolgproject in het RAAK MKB programma. Het consortium beoogt de kritische stappen in fiberoptische uitlijning te begrijpen en een geautomatiseerde oplossing te ontwikkelen voor consistente FOG-productie. Het project draagt niet alleen bij aan de luchtvaartindustrie maar heeft ook bredere toepassingen, zoals bij de uitlijning van photonic integrated circuits, waardoor het een waardevolle bijdrage levert aan de ontwikkeling van geavanceerde productieprocessen in de optische fibers-industrie.
Voor zowel de jaarcijfers als de leverbetrouwbaarheid is het noodzakelijk om voorraad in een magazijn te tellen. Vaak gebeurt dit periodiek. Een populair fenomeen is Cycle Counting, dit betekent dat alle voorraad (op een gedefinieerd moment) wordt geteld, bijvoorbeeld elke 90 dagen. Het tellen van voorraad wordt handmatig uitgevoerd door medewerkers. De medewerkers worden gestuurd naar een locatie in het magazijn die minder dan 90 dagen geleden is geteld, gevraagd wordt of deze pallet nog op de locatie aanwezig is en wat het aantal stuks is. Het idee is om dit proces te automatiseren met een drone. De drone moet in staat zijn om autonoom in een gangpad te navigeren en opnames te maken van de voorraad. Vervolgens kunnen deze beelden geanalyseerd worden en de juiste locatie aan het juiste palletnummer worden gelinkt. Ook zouden lege locaties herkend kunnen worden om vervolgens te controleren of deze overeenstemmen met data uit het voorraadbeheersysteem. Autonoom navigeren met een drone die buiten vliegt op basis van GPS is een commodity. Een drone autonoom indoor te laten navigeren in een GPS-deprived omgeving is op zich al een uitdaging. Om echter van de toepassing een commercieel succes te maken moet dit een zo goedkoop mogelijke drone zijn waar, behalve de camera, zo min mogelijk extra sensoren aan worden toegevoegd. Het idee achter dit project is om een vooronderzoek uit te voeren naar de mogelijkheden om drones autonoom te laten navigeren in magazijnen. Indien dit mogelijk is kan verder onderzoek plaats vinden hoe met behulp van drones Cycle Counting geautomatiseerd kan worden. De Twirre architectuur biedt een goed uitgangspunt om het autonoom vliegen met drones in een magazijn te ontwikkelen. De projectpartners hebben met dit KIEM project de volgende doelstellingen: • onderzoeken of visuele markers in combinatie met een camera gebruikt kunnen worden om in een magazijn de positie van een drone te bepalen; • indien nodig inventariseren welke extra sensoren gebruikt kunnen worden om in een magazijn de positie van een drone te bepalen; • onderzoeken of door alleen van de camerasensor gebruik te maken in een magazijn obstakels kunnen worden gedetecteerd die ontweken moeten worden; • indien nodig inventariseren welke sensoren gebruikt kunnen worden om in een magazijn obstakels te kunnen detecteren die ontweken moeten worden; • keuzes maken voor positie- en antibots-sensoren, deze integreren in de Twirre architectuur; • een drone met de uitgebreide Twirre architectuur testen in een magazijn, autonoom door de gangen in het magazijn te vliegen, de positienauwkeurigheid te bepalen en de botspreventie te testen; • daarmee de basis leggen voor een vervolgproject gericht op het ontwikkelen van een platform dat op basis van een autonoom vliegende drone Cycle Counting kan uitvoeren.
