De opkomst van goedkope sensoren en de voortgaande digitalisering van de communicatie genereert een overvloed aan big data. Dat biedt bedrijven nieuwe mogelijkheden, mits zij die data juist weten te interpreteren. Slimme machines die de rol van de mens – met name voor repetitieve, foutgevoelige taken – minimaliseren, zijn de volgende stap. YP Your Partner en Science[&]Technology, partners in het ICD-project Smart Machines, pleiten voor roadmaps op basis waarvan bedrijven die kansen kunnen verzilveren.
Van hype naar roadmap
De data, afkomstig uit sensoren en andere bronnen, en de informatie die daaruit kan worden gedestilleerd, verschillen uiteraard per organisatie. Wel zijn er steeds drie gemene delers: volume (grote hoeveelheden data), variety (veel verschillende, vaak ongestructureerde data) en velocity (snelheid van dataverzameling). ‘Big data op zich zijn niet zo interessant. Het gaat erom wat je ermee kunt. Wat we willen, zijn slimme machines die predictive maintenance mogelijk maken. Voorspellen wanneer een machine uitvalt, net daarvoor onderhoud uitvoeren en zo een hogere uptime garanderen’, zegt Theun Prins, directeur van YP Your Partner in Drachten.
Theun Prins
‘Belangrijkste doel is concurrentievoordeel behalen. Als je op basis van (sensor)data fouten kunt herkennen en voorkomen, kun je slimmer en goedkoper produceren. Een interessante businesscase met het oog op de dure arbeidskrachten in eigen land.’ Goed doorgevoerd kan dit leiden tot zeer efficiënte, hooggeautomatiseerde fabrieken waar mens en robot samenwerken en waarmee Nederland de mondiale concurrentiestrijd kan aangaan.
Kennis opbouwen en delen
YP draagt daar zijn steentje aan bij met intelligente systemen voor het automatiseren van processen en het beheer van de openbare ruimte. Bijvoorbeeld de gebruikersinterface en data-analysetools voor de fruitrijpregelaars van VDH Products uit Roden, die over de hele wereld gedistribueerd worden. Maar ook systemen voor klimaatinstallaties op scholen en waterzuiveringsinstallaties. YP neemt als partner in Innovatiecluster Drachten (ICD) deel aan de projecten Remote Sensoring & Big Data en Smart Machines (zie het kader). Elke deelnemer is gespecialiseerd in een van de vier aspecten van het verwerken van big data: genereren, verzamelen & opslaan, analyseren en beslissingen mogelijk maken. ‘Op die manier willen we kennis opbouwen en delen, en tools ontwikkelen die nuttig zijn voor iedereen. Zo heb ik bijvoorbeeld met het oog op standaardisering een rekentool in de open source-omgeving van R (een softwarepakket en programmeertaal voor statistiek en data-analyse, red.) ontwikkeld voor de analyse van big data’, verklaart Paul Hiemstra. Hij is data scientist en software-engineer bij Science[&]Technology, leverancier van high-end data analytics en eveneens ICD-partner.
Geautomatiseerde beslissingen
Anne-Gerben Terpstra
Delta Instruments in Drachten maakte er gebruik van bij het ontwikkelen van geautomatiseerde analyseapparatuur voor de zuivelindustrie en melkcontrolestations, waarmee ze tot 600 melkmonsters per uur kunnen verwerken. Die informatie stelt boeren in staat hun eindproduct, productieproces en veestapel te verbeteren. Het bedrijf ontwikkelde een wiskundige functie waarmee door middel van melkanalyse een nauwkeurige voorspelling omtrent bepaalde bloedwaarden kan worden gedaan. Momenteel wordt tevens gewerkt aan functies (algoritmes) die kunnen voorspellen of een koe drachtig of ziek is. ‘Met onze analyseapparatuur kunnen laboratoria hun klanten, de boeren, nog beter bedienen. Boeren krijgen nog meer informatie en kunnen efficiënter produceren, waardoor ze meer geld overhouden en bovendien voorkomen dat hun koe ziek wordt’, zegt r&d-manager Anne-Gerben Terpstra. ‘Boer blij, koe blij.’ Ook antibioticagebruik kan op basis van die data worden teruggedrongen. ‘Een zieke koe is een enorme kostenpost. Preventief antibiotica geven is dan het makkelijkst, ook al is dat soms onnodig. Als je door data-analyse kunt achterhalen welke koe echt ziek is, kun je gericht medicatie toedienen en kosten besparen.’
YP Your Partner experimenteert met de HoloLens, die een operator straks in staat stelt te communiceren met een machine.
‘Versmelten’ met de machine
Predictive maintenance – of het nu om koeien of machines gaat – komt binnen bereik dankzij een overvloed aan data en de opkomst van tablets en smartphones die alle data en daaruit afgeleide informatie overal beschikbaar maken. ‘Dat maakt het onderhoud heel gebruiksvriendelijk. Geautomatiseerde beslissingen zorgen voor een hogere uptime en een betere performance van machines. Daarnaast worden machines ook steeds slimmer in de zin dat ze hun omgeving herkennen, zien waar de operators zijn en wat die doen. Als de ene shift operators beter presteert dan de andere, kunnen wij op basis van die data de oorzaak achterhalen’, vertelt Prins. Zijn YP slaagt er steeds beter in om de gebruikersinterface dichter bij de operator te brengen. Een aansprekend voorbeeld is de HoloLens van Microsoft. ‘Een bril met augmented reality en daarin een aantal camera’s. Als operator kun je communiceren met de machine, maar bijvoorbeeld ook via Skype collega’s raadplegen. De operator zal steeds meer ‘versmelten’ met de machine. Binnenkort zet hij zo’n bril op en kan hij om de machine heenlopen en ‘zien’ wat er mis is en wat hij moet doen’, voorspelt Prins.
Openstellen voor kansen
Het grote voordeel van predictief boven preventief onderhoud is dat pas actie wordt ondernomen op het moment net voordat er echt iets mis is. Vast onderhoud – en daarmee vaste kosten – behoort tot het verleden. ‘Nu halfgeleiderchips steeds goedkoper worden, kan het uit om bij wijze van spreken op elke bout een chip aan te brengen. En dan kun je ook alles meten. Beschikken we nu over 1.000 parameters, straks zijn dat er 10.000 dankzij al die ingebouwde sensoren’, stelt Paul Hiemstra van S[&]T. ‘Het is te vergelijken met de vlucht die gps heeft genomen. Nu iedereen daarmee rondloopt, kunnen we steeds meer meten en steeds meer relevante connecties leggen, patronen herkennen die van nut kunnen zijn.’
Big data is de hype voorbij. Prins en Hiemstra illustreren dat met een aansprekend Noord-Nederlands project, IRIS. Deze machine voor het geautomatiseerd uitgeven van medicijnen is ontwikkeld door ZiuZ in Gorredijk met als productiepartner Variass Medical Systems. De machine scant voor elk zakje het label, weet welke medicijnen erin moeten zitten en controleert dit vervolgens. Hiemstra: ‘De kennis om beslissingen te nemen, zit in de machine en wordt vertaald in volledig geautomatiseerde acties. De werkelijke wereld digitaliseert steeds verder, de rol van de mens wordt geminimaliseerd (bijvoorbeeld in repetitieve, foutgevoelige taken, red.).’ Prins vult aan: ‘Daarom zou het goed zijn voor elk vakgebied een roadmap op te stellen. Je openstellen voor de kansen die big data biedt en zien wat je de komende twee jaar kunt doen.’ Hiemstra tot slot: ‘Verder vooruitkijken kan niet, dan wordt het glazenbollenwerk.’
ICD-projecten
Innovatiecluster Drachten (ICD) heeft het project Remote Sensoring & Big Data lopen met zeven ICD-leden, waaronder YP en S[&]T. Het opvolgende project, Smart Machines, telt liefst tien deelnemers en heeft als doel via remote sensoring & big data de stap te zetten naar predictive maintenance. Neem het kersverse ICD-lid Kwant Controls, dat hightech besturingen voor de maritieme industrie ontwikkelt en daarin remote sensoring betrekt; het kan voor opdrachtgevers zelfs op afstand een schip overnemen. Ook technostarters onder ICD-vleugels zijn actief in remote sensoring & big data. Aansprekende voorbeelden zijn KxA, de uit Astron voortgekomen specialist in databases en datatransport voor big data, en Stabialert, dat sensornetwerken in het Groningse aardbevingsgebied heeft uitgerold.
