Ph.d.-projektet "Better CARE" undersøger høreapparatrehabilitering i Danmark med fokus på patienters og fagpersoners oplevelser. Trods gratis høreapparater i Danmark bruges mange ikke, hvilket medfører store personlige og samfundsmæssige omkostninger. Projektet udfylder en forskningsmæssig mangel ved at undersøge hele rehabiliteringsprocessen, fra ventetid til tilpasning og hverdagsbrug. Metoden er medicinsk antropologi med kvalitative interviews og observationer.

Projektet vil være det første, som: 1) Kvantitativt kortlægger ledelse af området, og 2) Kvalitativt øger vores viden om a) klinisk ledelse b) ledelse indenfor forskning, og c) udformning af ??nationale retningslinjer på området Projektet skaber gennemsigtighed på et område, der hidtil ikke er dokumenteret i Danmark. Der er ikke publiceret undersøgelser om ledelse i fødselssomsorgen. I en tid hvor denne er i krise, vil projektet medvirke til varige løsninger, der kan stabilisere område

Formålet med projektet er at forbedre metoder, software og guidelines til at designe, analysere og afrapportere sequentielle kliniske forsøg. Sådanne forsøg er populære i udvikling af lægemidler da de åbner op for at man kan stoppe forsøget undervejs og lave valide konklusioner om en overbevisende effekt af lægemidlet eller mangel på samme. Dermed bliver udviklingstiden af et nyt lægemiddel potentielt forkortet og mindre omkostningstung til gavn for både patienter og medicinalvirksomheden.

InstaPaid er en FinTech-platform, der giver medarbejdere et økonomisk overblik og fleksibel adgang til deres optjente løn. Vores primære mission er at øge medarbejdertrivsel og skabe værdi for virksomhederne. I en tid med Covid-19, krig, kriser og en ny generation af medarbejdere (Gen Z) på arbejdsmarkedet, er det afgørende for arbejdsgivere at tænke nyt for at fastholde, engagere og tiltrække nye medarbejdere. Medarbejdere ønsker i stigende grad øjeblikkelig anerkendelse og belønning, og det er her, InstaPaid kan hjælpe virksomhederne. Vores platform giver medarbejdere mulighed for at få adgang til deres optjente løn før den sædvanlige udbetalingsdato, hvilket hjælper dem med at håndtere uforudsete udgifter, undgå dyre lån eller renter og give dem mere økonomisk frihed. Samtidig giver vi medarbejderne fuld gennemsigtighed over, hvordan deres midler udvikler sig i realtid. Dette er særlig relevant for medarbejdere, der har svært ved at få enderne til at mødes. Innovationsfondens investering er væsentlig for at realisere vores idé. Denne finansiering vil give os de nødvendige ressourcer og indsigt til at navigere i et særligt reguleret marked og styrke vores kommercielle muligheder samt videreudvikle vores platform betydeligt. Vores ambition er at blive den førende platform for fleksible medarbejder-udbetalinger i Nordeuropa, og vi ønsker at være med til at drive paradigmeskift i hvordan man traditionelt set håndterer løn.

Wind turbines work in highly variable operational conditions and harsh environments, especially offshore, that can cause expensive operation and maintenance, reaching up to 30% of the overall energy generation cost. Lowering the levelized cost of electricity is the main challenge faced by the wind turbine industry: hence, condition monitoring is a key enabler to avoid shutdowns and reduce operational and maintenance costs, providing a high availability. The most “challenging” component of a wind turbine is the main bearing, responsible for up to 30% failures over 20-year lifetime. Furthermore, current roller main bearing technology faces challenges in scalability, as wind turbines increases in size. To address these challenges, SGRE continuous to develop and explore new technologies, for which its condition monitoring system likewise needs to evolve, as classical vibration monitoring no longer necessarily can be used. Our consortium (SGRE DK, SGRE I&T, AAU) will develop a first ever set of algorithms and methods (A&M) for condition monitoring of new disruptive main bearing technology, aimed for the next generation offshore wind turbines. We will use parametric & non-parametric anomaly detection models and recent advances in machine learning techniques. The condition monitoring system to be developed, which will be implemented in a new full-scale wind turbine prototype, is expected to increase availability, and significantly lower the operational and maintenance cost.