Skip to main navigation Skip to search Skip to main content

Organisation profile

Organisation profile

Het lectoraat High tech embedded software (HTES) onderzoekt hoe mens en technologie optimaal kunnen samenwerken in complexe systemen. Denk aan robots die samenwerken met mensen, autonome voertuigen of digitale kopieën van machines (digital twins). Het doel is om systemen slimmer, veiliger en duurzamer te maken met behulp van software en AI. Samen met bedrijven, kennisinstellingen en overheden werken we aan innovaties die aansluiten op de uitdagingen van de hightech sector. 

Samenwerking in een groeiend netwerk 
Het lectoraat is actief in diverse landelijke en regionale netwerken, zoals NXTGEN Smart Industry, de lectorenplatforms van SIA en het Professional Doctorate‑programma. Door deze samenwerkingen kunnen we onderzoek direct verbinden met de praktijk. Bedrijven profiteren van actuele inzichten en nieuwe technologieën. Studenten krijgen de kans om mee te werken aan echte innovaties. Heb je een vraag, idee of uitdaging binnen een van onze domeinen? We denken graag mee. 

Waar werken we aan? 
Binnen het lectoraat ligt de focus op het modelleren van systemen en het benutten van data. Hiermee bouwen we digitale versies van fysieke systemen (digital twins) en maken we deze slimmer met AI. Dit onderzoek passen we toe binnen vijf belangrijke domeinen. 

Smart Industry 
Samen met bedrijven in de maakindustrie ontwikkelen we methoden om te innoveren in een snel veranderende technologische omgeving. We werken aan digital twins, data spaces en edge computing voor hightech toepassingen. Deze oplossingen helpen organisaties om processen te verbeteren en efficiënter te werken. Zowel grote bedrijven als mkb’ers profiteren van onze aanpak. 

Big Chemistry – Robotlab 
Binnen dit domein ontwikkelen we self‑driving labs: robotica‑ en dataoplossingen die experimenten in chemie en materiaalkunde automatiseren. Hiermee kunnen onderzoekers sneller data verzamelen en beter analyseren. Dit versnelt de ontwikkeling van nieuwe materialen en processen. Studenten en onderzoekers werken samen aan prototypes en testopstellingen. 

Smart Disassembly 
Hoe kunnen we producten slimmer demonteren, hergebruiken of remanufacturen? Met vision‑technologie, digital twins en AI onderzoeken we hoe producten automatisch geïdentificeerd en beoordeeld kunnen worden. We werken aan prototypes en data‑oplossingen zoals het Digital Product Passport (DPP). Ook onderzoeken we hoe robots en digitale werkinstructies kunnen helpen bij circulaire productie. 

Autonoom rijden 
We verkennen de mogelijkheden van autonoom vervoer in productie‑ en assemblageomgevingen. Dit doen we met onze expertise in robotica en automotive. Het doel is om de prestaties, veiligheid en samenwerking tussen mens en robot te verbeteren. Zo dragen we bij aan toekomstbestendige logistiek en productieprocessen. 

Energiesystemen 
Digitalisering speelt ook een belangrijke rol in moderne energiesystemen. Het lectoraat ontwikkelt modellen en digital twins voor hernieuwbare energiesystemen. Daarmee onderzoeken we hoe deze systemen optimaal kunnen worden aangestuurd. Dit helpt organisaties om slimmer en duurzamer met energie om te gaan. 

 

Leren door te doen 
HTES werkt nauw samen met het onderwijs van Fontys ICT. Via het Fontys ICT InnovationLab doen studenten uit jaar 3 en 4 mee aan actuele onderzoeksprojecten. We bieden jaarlijks tientallen stage‑, afstudeer‑ en bacheloropdrachten aan. Sinds 2023 kunnen ook masterstudenten deelnemen. Studenten werken met technologieën als AI, robotica, vision, digital twinning en data engineering. Zo verbinden we kennisontwikkeling, innovatie en onderwijs. 

 

Samen innoveren aan de hightech systemen van morgen? 
Ben je student, bedrijf of beleidsmaker en wil je bijdragen aan slimme, duurzame en innovatieve technologie? Neem contact met ons op en ontdek hoe we samen impact kunnen maken. 

Fingerprint

Dive into the research topics where High Tech Embedded Software is active. These topic labels come from the works of this organisation's members. Together they form a unique fingerprint.