De meest geavanceerde machines ter wereld zijn nog steeds afhankelijk van menselijk technisch oordeel.

Subduxion bouwt een world model voor precisietechniek: een model dat leert hoe geometrie, producteisen, maakprocessen en de mogelijkheden van een fabriek samen bepalen hoe een onderdeel kan worden gemaakt.

Waarom we dit bouwen

De kennis waarmee complexe onderdelen worden gemaakt ontstaat over jaren. Ervaren calculators, programmeurs, werkvoorbereiders en verspaners weten welke keuzes binnen een specifieke productieomgeving werken. Een groot deel van dat technische oordeel wordt nooit structureel vastgelegd.

Tegelijkertijd stroomt een ervaren generatie uit de maakindustrie. Die kennis wordt niet vanzelf één-op-één vervangen, terwijl machines, productiedata en machine learning juist het punt bereiken waarop een deel ervan voor het eerst computationeel kan worden gemaakt.

Subduxion bouwt technologie om die productiekennis te modelleren, te toetsen aan de fysieke werkelijkheid en opnieuw toepasbaar te maken.

Wat we bouwen

Een world model voor high-precision manufacturing.

Subduxion bouwt een technisch model van hoe complexe onderdelen worden gemaakt: van geometrie en producteisen tot maakproces, fabriekscontext en gerealiseerde productie.

Blake is de eerste producttoepassing van die technologie en draait inmiddels in productie bij Nederlandse precisieverspaners.

01

Manufacturing representation

Eén gedeelde representatie brengt geometrie, producteisen, materiaal en manufacturing-context samen rond hetzelfde onderdeel.

02

Process intelligence

Daarboven ontwikkelen we gespecialiseerde modellen voor afzonderlijke maakprocessen. Frezen is onze eerste procesfamilie; draaien en EDM vragen om hun eigen proceskennis en fysica.

03

Factory learning

Het model wordt gekalibreerd op de werkelijkheid van een fabriek: haar machines, mogelijkheden, gemaakte keuzes en gerealiseerde productie-uitkomsten.

Waarom Subduxion

Ontwikkeld in Brainport. Gebouwd voor de Europese maakindustrie.

Subduxion werkt vanuit High Tech Campus Eindhoven, midden in een ecosysteem van high-tech machinebouwers, precisieproducenten, engineers en onderzoekers.

Hier ontwikkelen we onze modellen samen met maakbedrijven op echte onderdelen, productieprocessen en fabrieksdata. Die directe verbinding met de praktijk is essentieel: manufacturing intelligence ontstaat niet alleen achter een scherm, maar door technologie voortdurend te toetsen aan hoe onderdelen werkelijk worden gemaakt.

Wat we hier leren, willen we productiseren voor een veel grotere markt. Onze ambitie is om technologie die vandaag samen met Nederlandse maakbedrijven wordt ontwikkeld beschikbaar te maken voor precisieproducenten in heel Europa.

Ons team

De mensen die het model bouwen, en het oordeel erachter.

Oprichter en CEO van Subduxion. Voorheen Group Head of IT bij Normec en IT Director bij Capgemini, en oprichter van Egenix. Bouwt nu een world model voor precisietechniek.

Lucas Kuijper

Oprichter en CEO

Data scientist. Werkt aan statistische en machine-learning-methoden voor productiedata en modelevaluatie. Achtergrond in technische natuurkunde en econometrie.

Tristen van Vliet

Data scientist

AI-integratie-engineer. Werkt aan het verbinden van modellen, productiedata en bestaande software tot workflows die productieklaar zijn.

Gijs van Loon

AI-integratie-engineer

Solution engineer. Werkt tussen maakpartners, producteisen en technische implementatie in, en vertaalt echte maakproblemen naar productontwikkeling.

Tom Collaris

Solution engineer

Senior machine learning engineer. Gepromoveerd in computertechniek aan Süleyman Demirel University, met onderzoekservaring aan de Universiteit van Trento. Focus: machine learning en computer vision.

Ali Güneş

Machine learning engineer

Word deel van het team

We zijn een klein team in Eindhoven op het snijvlak van maakindustrie, software en machine learning.

We werken aan een lastig probleem: technische productiekennis omzetten in modellen die kunnen redeneren over nieuwe onderdelen en tegelijkertijd gebonden blijven aan de werkelijkheid van het maakproces.

We zoeken mensen die zowel nieuwsgierig zijn naar hoe software leert als naar hoe fysieke dingen daadwerkelijk worden gemaakt.