Refl exion data processing architectuur ter ondersteuning van system engineering en inzicht in data.


brechts toe, “maar om te kunnen bepalen wat vervuiling is en wat bruikbare data is, moet je het proces al behoorlijk goed ken- nen. Ergo, je hebt echt een expert nodig.” Het investeren in zo’n expert is in het geval van de hightech machinebouw niet het grootste probleem, weet Huijbrechts. “Die bedrijven hebben al enorm veel geld geïn- vesteerd in die sensoren en in de software die zorgt voor de logging van die data. Je wilt dan ook iets met die data kunnen doen.”


Change management De reeds gedane grote investeringen leiden in de boardrooms echter wel tot discussies. “Managers zien dat er reeds grote investe- ringen zijn gedaan op het gebied van data en dan moet je zien uit te leggen dat dit niet altijd de juiste investeringen zijn geweest en dat er eerst nog eens geld bij moet, voordat je iets kunt doen met al die data. Hoe hoger je in die managementboom komt, hoe lastiger het wordt om uit te leggen hoe de problematiek in elkaar zit. Je hebt het dan over change management. Ook dan is het inhuren van een expert zeer nuttig. Zo’n onafhankelijke derde partij kan vaak mak- kelijker uitleggen waarom er opnieuw moet worden geïnvesteerd in die data.”


Hetzelfde Ook in de procesindustrie wordt er steeds meer data gegenereerd en, net als in de ma- chinebouw, wordt er na het loggen van die data vaak niks meer mee gedaan. Volgens Huijbrechts is de hightech machinebouw wat dat betreft één op één te vergelijken met de procesindustrie. “De problematiek is hetzelfde: je hebt data, maar wat moet je er


18 | nummer 6 | 2019


mee? Het vermoeden is dat er waardevolle informatie in die data zit, maar er is ook veel onbruikbare data en er zijn eigenlijk geen mensen die er echt iets mee kunnen. Hetzelfde verhaal als wat ik net heb verteld. Je hebt dus iemand nodig die die overbrug- ging kan maken, tenzij je bedrijf zelf een divisie heeft die hierin gespecialiseerd is. Bij Siemens bijvoorbeeld is er een complete afdeling die zich hiermee bezighoudt.”


Gewoon bellen Nu waren er in het Refl exion project 75, mensen drie jaar lang bezig met het ontwar-


Casussen Wat haalden de partners van het Refl exion project uit de samenwerking?


Océ heeft een tool-keten ontwikkeld die de interne engineering community - zonder dat ze data analyse achtergrond te hebben - kan gebruiken om operationele printing systeem data eenvoudig te interpreteren. De continue beschikbaarheid van data gaf Océ engineers de mogelijkheid om anders langdurige product test fases substantieel in te korten. Dit heeft het mogelijk gemaakt om een revolutionair nieuw product concept, de Océ VarioPrint i300, circa twee jaar eerder op de markt te krijgen. Dit heeft Océ een strategische voorsprong gegeven in het betreden van een nieuw markt segment: full color / high quality printing on demand.


Siemens heeft een methode ontwikkeld om door middel van machine learning de algo- ritmes te trainen die gebruikt worden om slijtage, die tot falen van windturbines kan leiden, automatisch te monitoren. Dit trainen doen ze door het gebruik van kunstmatig (modelgebaseerde) verkregen data omdat er voor de huidige generatie van windtur- bines geen data over ernstige slijtage beschikbaar is. Dit duurt namelijk nog 20-30 jaar. Toch kunnen hierdoor nu wel al veiligheidsmechanismes in de nieuwe generatie wind- molens worden ingebouwd om storingen en gebreken, die zich in werkelijkheid nooit hebben voorgedaan, automatisch op te sporen.


ren van data. Bedrijven als Heineken en Unilever kunnen dat wel betalen, maar klei- nere producenten die inmiddels ook veel data genereren, zullen schrikken van dat soort investeringen. Volgens Huijbrechts is dat niet nodig. “Er is fi nanciering vanuit de overheid beschikbaar voor dit soort projec- ten. Het Refl exion project had zonder deze steun niet kunnen draaien. Het bij elkaar brengen van de bedrijven en kennisinstel- lingen in een open innovatie setting is waar TNO aan werkt. Bedrijven met een interes- sante casus moeten ons dus vooral ook gewoon bellen.”


Page 1  |  Page 2  |  Page 3  |  Page 4  |  Page 5  |  Page 6  |  Page 7  |  Page 8  |  Page 9  |  Page 10  |  Page 11  |  Page 12  |  Page 13  |  Page 14  |  Page 15  |  Page 16  |  Page 17  |  Page 18  |  Page 19  |  Page 20  |  Page 21  |  Page 22  |  Page 23  |  Page 24  |  Page 25  |  Page 26  |  Page 27  |  Page 28  |  Page 29  |  Page 30  |  Page 31  |  Page 32  |  Page 33  |  Page 34  |  Page 35  |  Page 36  |  Page 37  |  Page 38  |  Page 39  |  Page 40  |  Page 41  |  Page 42  |  Page 43  |  Page 44  |  Page 45  |  Page 46  |  Page 47  |  Page 48