Afstudeerprijzen uitgereikt tijdens Opening Academisch Jaar

Net als andere jaren reikte de UT afstudeerprijzen uit aan één masterstudent van elke faculteit. De afstudeerprijs bestaat uit een geldprijs van €1.000 voor de beste masterscripties van het afgelopen jaar.

Faculteit BMS – Marco Luis Ochoa Barnuevo

Marco Ochoa Barnuevo deed zijn master Industrial Engineering and Management aan de faculteit BMS, in de richting Production and Logistics Management. Zijn onderzoek gaat over een vraag die centraal staat in de toeleveringsketen van ASML: wat produceer je, en wanneer? Dat is een ingewikkeld probleem, want de machines van ASML bestaan uit honderdduizenden onderdelen die om dezelfde productiecapaciteit strijden. Maak je te veel van één onderdeel, dan lopen de voorraadkosten op. Maak je er te weinig van, dan kan de vraag niet worden geleverd.

Ochoa Barnuevo ontwierp een beslismodel dat planners op elk moment laat zien wat er op voorraad ligt en wat ze moeten doen zodra er een tekort ontstaat. Zijn methode verbetert de planning en verlaagt de voorraden met 30%. Daarbovenop bouwde hij een laag met reinforcement learning, een vorm van AI die leert van ervaring. Die laag herkende patronen die het model zelf niet zag en verbeterde de beslissingen verder.

Faculteit EEMCS – Jelle Idzenga

Jelle Idzenga studeerde Robotica en werkte aan de camerapil: een capsule met een camera die je doorslikt en die wordt gebruikt bij screening op darmkanker. Voor de patiënt is dat prettiger dan een klassieke colonoscopie. Het nadeel is dat de pil passief met de darmbewegingen meedrijft. De arts kan hem niet sturen, waardoor afwijkingen vaker worden gemist en de capsule soms blijft steken.

Idzenga bouwde een systeem dat de pil tegelijk kan volgen en aansturen. Onder de patiënt ligt een plaat met magneetsensoren die berekent waar de capsule zich bevindt. Boven de patiënt draait een permanente magneet aan een robotarm die de pil beweegt. De kern van het probleem zit in de storing die die magneet zelf op de sensoren veroorzaakt. Idzenga rekende die eruit, en pas daardoor kun je tegelijk meten en sturen. In proeven met kunstmatig en echt darmweefsel werkte de plaatsbepaling, en kon hij de capsule gericht draaien. Het is een eerste opzet, geen apparaat dat morgen in het ziekenhuis staat.

Faculteit ET – Alexey Chechin

Alexey Chechin onderzocht tijdens zijn master Construction Management & Engineering het stedelijk hitte-eilandeffect. Beton en asfalt houden warmte vast, waardoor een stadscentrum tot zeven graden warmer kan worden dan het platteland eromheen. In de Verenigde Staten eist extreme hitte meer levens dan overstromingen, orkanen en tornado's bij elkaar. Stedenbouwkundigen gebruiken machine learning om te voorspellen waar een stad oververhit raakt, maar die modellen behandelen elke straat als een los eiland, terwijl warmte in werkelijkheid van de ene straat naar de andere stroomt.

Chechin leerde de modellen de stad te lezen als één samenhangend netwerk, waarin de temperatuur van elke straat wordt bepaald door die van de buren. Hij testte de aanpak op Apeldoorn, Rotterdam en Montreal. Alleen die aanpassing al maakte de voorspellingen 150% nauwkeuriger. Met scherpere kaarten zien planners waar een rij bomen of een vijver een buurt werkelijk afkoelt. Dat wordt vooral urgent in de snelgroeiende steden van het mondiale Zuiden, waar klimaatverandering het hardst aankomt.

Faculteit ITC – Houri Tayarzadeh

Houri Tayarzadeh studeerde Geo-Information Science and Earth Observation en stelde een vraag die kaartenmakers zelden stellen: wat als je een stad zou kunnen horen? Steden worden vrijwel altijd met het oog geanalyseerd, via kaarten, diagrammen en 3D-modellen. Tayarzadeh onderzocht sonificatie als aanvulling daarop. Sonificatie is het omzetten van gegevens in geluid.

Met open data van Amsterdam vertaalde ze vier kenmerken van de stad naar zowel beeld als klank: bouwjaar, bouwhoogte, stratenpatroon en landgebruik. Kleur, vorm en formaat aan de ene kant, tempo, toonhoogte, klankkleur en harmonie aan de andere. Daaromheen bouwde ze een webapplicatie waarin je dezelfde gegevens alleen kunt zien, alleen kunt horen, of allebei tegelijk. In een test met 25 deelnemers bleek beeld alleen het snelst. Maar de combinatie van beeld en geluid leverde de hoogste nauwkeurigheid op, en kostte deelnemers de minste mentale inspanning. Wie muzikaal geschoolder was, las de geluidsdata duidelijk beter. Geluid vervangt de kaart dus niet, maar het ontlast het oog, en het zou de gegevens ook toegankelijk kunnen maken voor mensen die blind of slechtziend zijn.

Faculteit TNW – Tijmen Sijtsma

Tijmen Sijtsma studeerde Gezondheidswetenschappen. De bevolking vergrijst en de zorgvraag groeit, terwijl het aantal zorgmedewerkers naar verwachting niet meegroeit. De intensive care voelt dat als eerste. Roosters worden gemaakt op basis van het verwachte aantal patiënten, maar nieuwe opnames komen grillig binnen en zijn moeilijk te voorspellen.

Sijtsma zag dat één deel van die instroom wel voorspelbaar is: geplande operaties staan weken van tevoren in de agenda. Hij ontwikkelde een machinelearningmodel dat op basis van gegevens die vóór de operatie toch al worden vastgelegd, inschat welke patiënten daarna een ic-bed nodig hebben. Dat is lastiger dan het klinkt, want het gaat om een kleine minderheid van de operaties en de beschikbare gegevens zijn niet altijd volledig. Sijtsma paste het model daarop aan en haalde resultaten die kunnen wedijveren met vergelijkbare modellen uit de literatuur. Daarmee kunnen ziekenhuizen hun personeelsbehoefte eerder zien aankomen.