Het Internet of Things (IoT) biedt veel mogelijkheden. Sensoren, meters, actuatoren en andere elektronica verzamelen data die rechtstreeks inzicht geven in jouw productieproces en/of in de apparaten die je beheert. Maar, hoe zet je IoT-data effectief in?

Het proces bij IoT-data

Bij het gebruik van IoT kan zelfs het meten van data in simpele productieprocessen al leiden tot een overweldigende hoeveelheid data. Het is mooi om veel data te hebben, maar je moet oppassen voor een dataoverload. Daarom moet je deze data effectief inzetten. Hiervoor is het belangrijk dat de IoT-data een plek krijgt in jouw bestaande datalandschap. Deze 5 stappen helpen jou hierbij:

1. De input

De eerste stap is het bepalen van de input. In welke fasen van het productieproces meet je data? Wat voor gegevens zijn dit en hoe vaak komen deze binnen?

2. IoT Hub

Met behulp van de Azure IoT Hub breng je alle data uit de verschillende machines samen. Je kunt hier eventueel meerdere hubs inrichten. Technische dienstverleners maken bijvoorbeeld een hub voor de klimaatbeheersingssystemen die zij beheren en een andere hub voor stoplichten. Deze opslag vormt de basis voor verdere verwerking.

3. Streaming analytics

Sommige onderdelen van jouw productieprocessen wil je continu in de gaten houden. Bijvoorbeeld de temperatuur in een oven. Of de luchtvochtigheid in de fabriek. Deze data kun je real-time weergeven met streaming analytics, zoals met Spark HDInsight.

4. Opslag voor latere analyse

Niet alle gegevens zijn direct van belang. Bepaalde gegevens wil je later pas analyseren. Deze gegevens worden opgeslagen, bijvoorbeeld in Cosmos DB of in jouw data lake (afhankelijk van de type data en jouw wensen). Vervolgens kan de data dienen als input voor jouw datawarehouse, Power BI, management dashboards en jouw ERP.

5. Predictive models en machine learning

De data uit jouw sensoren en meters kan worden gebruikt om voorspellingen te maken of om productieprocessen te verbeteren. Uit meetresultaten kan bijvoorbeeld blijken dat een iets hoger stroomverbruik een voorbode is van een storing in een klimaatbeheersingssysteem. Deze informatie kun je gebruiken om bijvoorbeeld preventief onderhoud uit te voeren als het stroomverbruik stijgt.

Met machine learning kun je dwarsverbanden in het productieproces ontdekken. Zo kun je erachter komen dat er vaker defecten voor komen bij een bepaalde combinatie van onderdelen (bijvoorbeeld schroeven van leverancier X en een behuizing van leverancier Y).

Zo gebruik je IoT-data zo optimaal mogelijk

Het verzamelen van data is uiteindelijk het makkelijkste gedeelte rondom een IoT- vraagstuk. De data een plekje geven in je huidige datalandschap is al een stuk moeilijker. Het is relatief eenvoudig om de data achteraf in te zien met behulp van dashboards en rapportages. Het is moeilijker om proactief gebruik te maken van jouw data, bijvoorbeeld met voorspellende modellen of machine learning. Wij helpen jou hier graag bij door onze kennis en ervaring in te zetten.

Meer over Analytics & IoT

Auteur

Niek Timmermans
Niek is team lead van het advanced analytics-team bij HSO.