Industry 4.0: omgaan met Big Data

Big Data is één van de belangrijkste thema’s die ter tafel komen wanneer wordt gesproken over de implementatie van Industry 4.0-oplossingen in de maakindustrie.

Met de digitalisering van apparatuur en de opkomst van steeds slimmere systemen die communiceren tussen de virtuele en fysieke componenten, groeit ook de hoeveelheid data die wordt geproduceerd en verwerkt moet worden. Deze enorme hoeveelheden data zijn tegenwoordig beschikbaar over vrijwel alle industrieën en sectoren, en bijna iedere interactie die plaatsvindt in ons dagelijks leven. Door hier op een slimme manier gebruik van te maken in uw productieomgeving, kan big data op veel verschillende manieren van grote waarde zijn. Slechts enkele voorbeelden:

• Verbeteringen in de productkwaliteit
• Intelligent, datagestuurd ontwerp
• Maatwerkaanpassingen van producten, diensten en oplossingen
• Slim preventief onderhoud
• Live volgen van de productie voor fijnafgestelde aanpassingen op basis van realtime feedback
• Datagestuurde economische groei

Voordat we deze waarde echter kunnen verkennen en aanboren, zijn er een aantal hindernissen en uitdagingen die bedrijven moeten overwinnen om met Big Data aan de slag te kunnen. Moderne productie is zelfs op de kleinste schaal complex. In onze fabrieken en bedrijven hebben we namelijk eindeloos veel sensoren, machines, computers en mensen, die met elkaar communiceren via verschillende kanalen.

Eén van de grootste uitdagingen die ons te wachten staat, is het aanwijzen van de juiste gegevens die door een systeem moeten worden verzameld, verwerkt en geanalyseerd, voordat er wordt gekeken naar en de focus te veel wordt gelegd op het eindresultaat. Voor nieuwere spelers in de markt kan dit ontmoedigend zijn, vooral wanneer ze proberen de datastromen op verschillende niveaus binnen het bedrijf te kwantificeren en te begrijpen.

Hoewel er niet één enkele oplossing voor dit probleem bestaat, kan een vereenvoudigde aanpak inhouden dat er wordt gekeken naar kleinere subsystemen en processen. Hierbij moet de vraag worden gesteld hoe pakketten bruikbare, relevante gegevens kunnen worden opgesplitst of geaggregeerd, en hoe hier een nieuw systeem omheen kan worden ontworpen. In de eerste fase van de implementatie moeten datagestuurde systemen en oplossingen worden ontwikkeld om interoperabiliteit en schaalbaarheid mogelijk te maken. Een voorbeeld hiervan is de ontwikkeling van slimme gereedschaps-, onderdelen-, voorraad- of leveranciersbibliotheken.

Een andere overweging zou kunnen zijn om gegevens en digitalisering te gebruiken om personeel op de fabrieksvloer te ondersteunen. Het verstrekken van live-informatie aan het personeel op de fabrieksvloer via door data geleide werkinstructies kan enorme efficiëntievoordelen opleveren. Data kan in realtime worden verwerkt via sensoren van machines en apparatuur, en via tablets of soortgelijke interfaces aan werknemers worden doorgegeven. Een voorbeeld hiervan is een dynamische Augmented Reality-interface die een operator kan begeleiden bij de fysieke plaatsing en het afstellen van een onderdeel op een mal of opspanning. Omdat productieprocessen continu veranderen, is het zinvol als er op de werkvloer een interface met instructies is, die met deze processen meeverandert. Zo kunnen werknemers in realtime op de hoogte gehouden worden, zonder dat de productie hiervoor moet worden stilgelegd.

Hoewel het vertrouwen op en het gebruik van data enorme voordelen biedt, zijn er enkele problemen die technologie niet kan oplossen. Geen machine of computergestuurd systeem kan de menselijke intuïtie en het op kennis gebaseerde leren, dat vaak voor veel productieprocessen vereist is, verslaan. Daarom is het van cruciaal belang dat ook de operationele technici worden opgeleid en betrokken bij de ontwikkeling en implementatie van nieuwe datagestuurde systemen. Engineeringstechnici kunnen belangrijk zijn om in uw team op te nemen, omdat zij een brug kunnen slaan tussen de activiteiten op de werkvloer en de manier waarop datastromen worden geanalyseerd en verwerkt, en via systeemontwerp weer worden teruggekoppeld naar werkvloer.

De integratie van het menselijke aspect in deze systemen is zeer waardevol. Door een aantal operationele medewerkers om hun mening en punten voor verbetering te vragen, kunnen processen met een minimale hoeveelheid tijd en moeite worden verbeterd. Daarnaast kan het bijhouden van wijzigingen en fouten in het systeem waardevolle feedback en inzichten bieden in hoe het systeem en de processen kunnen worden verbeterd.

Wilt u meer weten over het ontleden van uw big data, neem dan contact op met ons team via ons contactformulier of mail ons op fip@utwente.nl.