Er zijn heel wat misvattingen over data, big data, AI, Industry4.0 en andere termen die vaak als buzzword gebruikt worden. Als je er niet middenin zit, zorgt dit voor verwarring en wordt het moeilijk om door de bomen het bos te zien. Vandaar deze blog, om toch wat praktischer te gaan.

1. We moeten alle data verzamelen!

Hoewel dit in zeker zin klopt, heeft dit toch wat nuances. Ja, je wil geen datapunten of blind spots hebben, want deze kunnen relevant zijn voor een use-case, die binnen 2 jaar boven komt drijven. Echter zit de valkuil daar niet. 

Waar bedrijven vaak tegen lopen is dat ze wel veel data verzamelen want ja, data is the new gold, maar eens er een analist een probleem mee wil oplossen, loopt het vast.

• Is deze timeseries data afwijkend omdat er maintenance was?
• Was er effectief een breuk?

En ja, er is wel ergens een Excel die een stilstand met oorzaak bevat. Een andere Excel heeft onderhoud staan en nog een andere heeft productie problemen van de operatoren.

De engineers, analisten, wie dan ook die iets zinnig wil doen, moet beginnen met context toevoegen, data normaliseren, linken, labelen. Laat staan dat nog een hoop assumpties toegevoegd worden. Dit alleen al kost weken tot maanden tijd, voor er ook maar enige waarde gecreëerd is, namelijk een probleem onderzoeken of analyseren.

Gevolg is een van beide:

"We stoppen er mee, AI en analyses zijn niet betaalbaar"

OF

"Data analisten spenderen maanden aan een klein project"

Dus ja, verzamel alle data, maar geef alle context nodig vanaf de edge, de plaats waar data verzameld wordt.

• Beheer maintenance interventies digitaal (en nee, Excel telt niet)
• Registreer stilstanden met oorzaken voor latere analyses
• Geef context, tags en log product codes, machines gelinkt aan je machine data.

Door data met context te loggen, win je veel tijd voor latere analyses. Zo zal je volgend AI initiatief dagen in plaats van maanden duren.

Strategie

In de kern is het probleem vaak een gebrek aan een digitale strategie. Data van papier naar Excel brengen is iets digitaal maken, maar maakt je geen digitaal bedrijf. Het is niet omdat je geen papier meer gebruikt dat je een digitaal bedrijf bent. Het verschil zit in de overkoepelende strategie. Het besef dat data de grootste waarde is in je bedrijf.

2. Start met een use case

Het doel van IIOT is niet data loggen. Het is sneller problemen oplossen, inzichten krijgen en onderbouwde strategische keuzes maken. We digitaliseren niet om te digitaliseren, maar vanuit een strategie om efficiënter te worden.

Kies een eerste probleem om op te lossen:

• Fouten vinden voordat ze naar de klant gaan?
• Vinden waarom de ene shift beter is dan de andere?
• Nauwkeurige rapportage van energieverbruik per order?
• De oorzaak van terugkerende problemen vinden?

Begin niet blindweg platformen op te zetten en verwacht dat alle inzichten er uit stromen. Vraag advies en laat je ondersteunen!

3. Foute technologie of architectuur

Vasthouden aan technologie waar je veel voor betaald hebt. Dit is een van de veelvoorkomende valkuilen. Als de technologie niet schaalt, niet toelaat je contextvolle data te loggen, dan zit je op het foute spoor.

Architectuur

Vraag hulp om jullie data architectuur op te zetten. Laat je begeleiden maar blijf aan boord. Unified namespace wordt vaak gebruikt als een buzzword momenteel. Hierrond is ook veel verwarring en het ene platform claimt UNS ready te zijn, het ander claimt zelf een UNS te zijn. De UNS architectuur is een mooi principe en laat context verzamelen toe (minder data silo's), maar is vrij complex om zonder ervaring aan te beginnen. Het is niet gewoon 'een mqtt-broker installeren'.

Platform

Verkopers van platformen menen ook dat alles kan in hun tool. Je oplossing is vaak een combinatie van tools en systemen die elk goed zijn in iets. Wij helpen de juiste systemen kiezen en combineren. Soms kan ook een stukje custom software de meest kosten-effectieve oplossing.
 

Door dagelijks systemen te testen, vast te lopen, en opnieuw te proberen, kunnen we jullie ook helpen om de juiste keuzes te maken. Volledig vendor onafhankelijk.

3 Dingen die je nu moet doen

Wil je AI in de toekomst succesvol inzetten, dan moet je vandaag al data loggen met betekenis, structuur en relaties.

1. Leg de context vast aan de bron

• Voeg direct metadata toe bij het loggen: machine, productcode, shift, oorzaak. Laat edge devices en operatoren helpen.
• Deze MES-modules kunnen je helpen de context te voorzien.

2. Breek datasilo’s af

• Laat systemen met elkaar praten. Eén samenhangend beeld van je processen is waardevoller dan tien losse snapshots. AI kan alleen patronen vinden als de puzzelstukjes passen.
• AI kan niets met losstaande excels, je analysten dus ook niet.

3. Maak datakwaliteit een strategisch punt

• Wijs eigenaars aan voor data, bewaak kwaliteit en bepaal welke data écht belangrijk is. Meer data is niet automatisch beter. Betere data is beter.
• Spreek af hoe je dingen benoemt en leg dat vast. Als je het nu goed doet, kan je dezelfde data jaren later opnieuw inzetten zonder opnieuw te beginnen.
• Structureer en label voor hergebruik.

 Resultaat: In plaats van maanden data cleaning, kunnen je team (en je AI-agents) in dagen of uren inzichten leveren.