Met IoT-data storingen voorspellen voor de door-opening solutions van ASSA ABLOY Entrance Systems. Om vervolgens een machine learning model te maken die gebruikt kan worden voor Predictive maintenance.  

Benodigde interesse(s)

  • Machine Learning
  • .NET
  • Data
  • Artificial Intelligence

Wat krijg je

  • Een uitdagende afstudeeropdracht
  • € 1000 vergoeding, € 500 + leaseauto of € 600 + woonruimte
  • Professionele begeleiding
  • Trainingen gericht op jouw afstudeertraject
  • Sparren met andere afstudeerders en collega’s
  • Twee vakantiedagen per maand

Wat je gaat doen

  • 35% Afstudeeronderzoek
  • 40% Analyseren, ontwerpen, realiseren
  • 25% Documentatie

ASSA ABLOY Entrance Systems, een klant van Info Support, is marktleider in door-opening solutions en sinds een aantal jaar bezig met het ontwikkelen van Internet of Things voor automatische deuren. Eén van de toekomstige waardeproposities is Predictive maintenance. Hierbij wordt op basis van IoT-data uit de deur, voorspeld wanneer een deur in storing gaat. Het IoT-team op het hoofdkantoor in Zweden wil samen met de vestiging in Nederland een Proof of Concept ontwikkelen dat de basis is voor deze propositie.

De deuren genereren een grote hoeveelheid diverse IoT-data. Denk hierbij aan een toenemende weerstand op de motor of een veranderende spanning van de batterij. We weten echter nog niet welke data het beste een bepaald type storing kan voorspellen. Met dit probleem ga jij aan de slag.

De opdracht

In deze opdracht ga je onderzoek doen naar de manier waarop machine learning kan helpen bij het voorspellen van een storing. Welke IoT-data is er in de organisatie beschikbaar en is deze van voldoende kwaliteit om een juiste voorspelling te doen? Als de dataset is samengesteld maak je een machine learning model die gebruikt kan worden voor Predictive maintenance. Je bewijst de werking van het model middels een PoC.