Ga verder naar de inhoud

Predictive Maintenance for Non-Road Mobile Machinery - PreMaNRM²

Onverwachte defecten aan mobiele machines veroorzaken vaak hoge kosten, productieverlies en operationele vertragingen. Hoewel machines steeds meer data genereren, worden deze gegevens vandaag nog onvoldoende gebruikt voor voorspellend onderhoud. PreMa4MM helpt bedrijven om machinegegevens om te zetten in bruikbare onderhoudsinzichten, zodat onderhoud efficiënter gepland kan worden en stilstand wordt vermeden. Onderzoekers ontwikkelen een uniforme aanpak voor datacaptatie uit mobiele machines en combineren deze gegevens met machine-learningmodellen. Daarnaast worden praktijkcases uitgewerkt in labo- en bedrijfsomgevingen om de technologie te valideren voor realistische industriële toepassingen.

Resultaten

Uniforme J1939-datacaptatiemethodiek, Predictive Maintenance Navigator voor keuze AI-technieken, Calculator voor ROI-berekening, 8 casestudies (3 labo, 5 praktijk), workshops, studiedag, publicaties en integratie in onderwijs. Resultaten verhogen operationele efficiëntie en verminderen stilstand.
Promotor
Kris Martens,
Jeroen Geuens
Onderzoeker
David Van Hoecke
Karel de Grote Hogeschool
01/09/2026 - 31/08/2028
Centrale contactpersoon
DONDEYNE PIETER

Pieter Dondeyne

KDG - Blikopener contact