HGG - Multi disciplinaire Stage opdracht; 4 deelopdrachten

Adres 
Zuidrak 2, 1771 SW Wieringerwerf

‌Contactpersoon
Jack Kistemaker
Telefoon:  0227-504110
Mail: Jack@hgg.nl

Over HGG
‌Sinds 1985 is HGG wereldleider op het gebied van robot-snijoplossingen voor de zware metaalindustrie, met machines geïnstalleerd over de hele wereld om automatisch metalen profielen 3D te snijden. De automatische snijmachines van HGG worden veelvuldig gebruikt om zeer grote stalen constructies te fabriceren, zoals bijv. het London Eye, waarbij de productiviteit, nauwkeurigheid en flexibiliteit steeds belangrijker wordt.
HGG machines staan in een industriële omgeving waar vaak veel staal wordt verwerkt. Onze klanten willen gegevens over hoe snel onze machine iets kan doen, maar ook gedaan heeft. Ook zaken als kosten analyses, ton per uur of allerlei andere gegevens willen de klanten graag hebben. Al met al een Industry 4.0 overzicht van alle gegevens die mogelijk zijn. Met het leveren van de beste snijmachines alléén kunnen we ons niet maximaal onderscheiden in de markt. Met onze machines willen we een essentiële bijdrage leveren aan de productiviteit en efficiency van onze klanten. Daarom denken we steeds meer na over hoe we onze machines kunnen integreren in het productieproces, resp. het IT-landschap van onze klanten. Hoe “praten” onze machines straks met andere machines in een productiehal, welke data-uitwisseling vindt plaats met ERP systemen en welke koppelingen zijn daarvoor nodig?
Wij willen zorgen dat onze machines de beste data-driven ondersteuning geven aan de klant. Dat houdt in uitzoeken wat de klant nodig heeft, hoe kunnen we het interpreteren, visualiseren en exporteren naar klant systemen. De HGG klant moet het stuur in handen krijgen!
‌
‌Multi Disciplinaire opdracht
Deze opdracht bestaat uit meerdere vakgebieden en dus meerdere deelprojecten.
‌
1. Welke data is nodig voor HGG klanten om hun machine te efficiënt te gebruiken (T.B. Richting)
2. Hoe deze data slim te verwerken en te laten zien in de HGG Procam Suite (T.I. Richting)
3. Hoe nog dieper inzicht te geven in de data door AI of deep learning (Data Analyse Richting)
4. Export van de data zodat andere partijen hier eenvoudig aan kunnen koppelen (T.I. Richting)
‌
‌