Hoogleraar Besturingssystemen | Technische Universiteit Eindhoven & Technische Universiteit Delft | Trainer bij High Tech Institute

Tom Oomen is een Nederlandse hoogleraar in regelsystemen wiens werk zich bevindt op het snijvlak van fundamenteel onderzoek en industriële toepassingen. Hij is fulltime hoogleraar Besturingssystemen aan de Technische Universiteit Eindhoven (TU/e) en gasthoogleraar aan de TU Delft, waar hij onderzoek leidt naar datagestuurde bewegingsbesturing, systeemidentificatie en lerende besturing voor hightech mechatronische systemen.

Zijn werk is nauw verbonden met de industrie, met samenwerkingsverbanden met onder andere ASML en Philips. De resultaten worden toegepast in enkele van de meest veeleisende precisieomgevingen, zoals lithografiemachines, grootformaatprinters, medische ventilatoren en gravitatiegolfdetectoren.

Een centraal idee in zijn werk is dat machines die repetitieve taken uitvoeren kunnen verbeteren door te leren. Met de juiste besturingsstrategieën kunnen reproduceerbare fouten systematisch worden gecompenseerd. Oomen is meer dan tien jaar bezig geweest om dit principe te vertalen naar methoden die ingenieurs kunnen toepassen in echte systemen.

Een bepalend aspect van zijn werk is de integratie van systeemidentificatie en besturing – twee gebieden die vaak apart worden behandeld, maar in de praktijk samen moeten werken in krachtige systemen.

Oomen voltooide zowel zijn MSc (cum laude) als zijn PhD aan de TU/e en promoveerde in 2010.

In 2018 werd hij hoofdonderzoeker van Groep Oomen en in 2021 werd hij benoemd tot hoogleraar. In zijn inaugurele rede in 2024, getiteld Learning in control, betoogde Oomen dat de open cultuur van het Brainport ecosysteem – waar universiteiten en industrieën samen resultaten bespreken en publiceren – ingenieurs in staat stelt om machines tot hun ware grenzen te drijven.

Prijzen en erkenning

Zijn werk is erkend met de Grand Nagamori Award (2021), de Young Researcher Award van de International Federation of Automatic Control (IFAC) (2019), VIDI (2017) en VENI (2013) subsidie van de Nederlandse Onderzoeksraad, IEEE Transactions on Control Systems Technology Outstanding Paper Award (2015) en Mechatronics Paper Prize Award (2016).

Hij is senior lid van de IEEE en is momenteel Associate Editor van IFAC Mechatronics en de IEEE Control Systems Letters (L-CSS). Hij is Associate Editor geweest van de IEEE Conference Editorial Board en gastredacteur van een special issue voor IFAC Mechatronics.

Zijn academische impact wordt weerspiegeld in zijn Google Scholar-profiel, dat een h-index van 38, een i10-index van 175 en meer dan 6.800 citaties laat zien.
Zijn meest geciteerde onderzoek houdt verband met systeemidentificatie en -regeling. In het artikel uit 2014 Het verbinden van systeemidentificatie en robuuste besturing voor de volgende generatie bewegingsbesturing van een wafeltrap (IEEE Transactions on Control Systems Technology) liet hij zien hoe gegevens van een draaiend systeem direct kunnen worden gebruikt om de prestaties van controllers te verbeteren – een concept dat centraal staat in de moderne precisiemechatronica. Deze benadering werd later uitgebreid met zijn werk op het gebied van feedforward control en iteratief leren dat tegenwoordig op grote schaal wordt toegepast in hightech bewegingssystemen.

Andere opmerkelijke onderzoekspapers omvatten op inversie gebaseerde feedforward en iteratieve leerregeling en geavanceerde bewegingsregeling voor precisiemechatronica.

Training en industriële toepassing

Op het High Tech Institute geeft Tom Oomen (als onderdeel van de Mechatronica Academie) les:

• Afstelling bewegingsbesturing
• Geavanceerde bewegingsbesturing
• Geavanceerde feedforward en lerende besturing.

De structuur van deze cursussen weerspiegelt hoe ingenieurs eigenlijk werken: korte theoretische blokken, onmiddellijk gevolgd door praktische toepassingen op echte systemen.

Wat zijn lessen onderscheidt, is het doelbewuste gebruik van eenvoudige opstellingen om complex gedrag uit te leggen. In de cursus bewegingsbesturing werken deelnemers met een printersysteem – een relatief goedkoop platform – om te laten zien hoe iteratief leren de positioneringsnauwkeurigheid drastisch kan verbeteren. Het resultaat is vaak contra-intuïtief: systemen met bescheiden hardware kunnen bijna perfecte prestaties leveren als de besturingsstrategie juist is. Deze aanpak weerspiegelt de omgeving waarin hij werkt. In het ecosysteem van Brainport Eindhoven werken universiteiten en industrie nauw samen, waarbij ideeën in de praktijk worden getest en verfijnd door toepassing. Ingenieurs wisselen van het ene bedrijf naar het andere, kennis gaat snel rond en oplossingen worden beoordeeld op hun werking onder reële beperkingen. Zijn cursussen zijn ontworpen voor dat publiek: ingenieurs die al te maken hebben met complexe problemen en die methoden willen die ook buiten het lab standhouden.

Tom Oomen is fulltime hoogleraar aan de TU/e, gasthoogleraar aan de TU Delft en trainer bij High Tech Institute in Motion Control Tuning, Advanced Motion Control en Advanced Feedforward & Learning Control.