IoT, Big Data en Industrie 4.0?

Je kunt geen website openen waar bovengenoemde niet in een willekeurig artikel genoemd worden. Wat betekenen die nu allemaal? We nemen je mee terug in de tijd:

2 werelden worden 1

Lang waren technische automatisering en de verwerking van grote hoeveelheden data 2 aparte disciplines. Voor data hadden we informatiesystemen en databases die draaide op computers en voor technische automatiseringssystemen werden embedded controllers, PLC’s en DCS systemen ingezet. Beide waren gescheiden disciplines met eigen hun eigen specialisme, hardware en communicatiesystemen. Door het succes van ethernet en TCP/IP als standaard voor PC systemen en de opkomst van internet, zijn de industriële systemen steeds meer voorzien van ethernet aansluitingen waardoor interactie tussen beide werelden eenvoudiger werd. Deze aansluitingen bestonden dan uit speciale communicatie kaarten die naast de normale CPU van een technisch automatiseringssysteem geplaatst moest worden. De SoftPLC’s waren de eerste systemen die op basis van hun hardware standaard over een ethernetpoort beschikte en ook programmeerbaar waren via ethernet.

IOT en Industrie 4.0?

In het verleden stond de technische automatisering “het vervaardigingsproces” centraal, nu zien we dat bijna de helft van de software ontwikkeling bij technische automatiseringstrajecten benodigd is voor de data vraagstukken.

Big data en Industriële Automatisering

In de huidige productiesystemen wordt reeds al heel veel data gelogged en opgeslagen. De motivatie hiervoor was vaak vanuit kwaliteitsoogpunt en bewijslast zodat een leverancier kon aantonen onder welke omstandigheden een product is gefabriceerd. Met name bij productieprocessen voor Food is dit het geval. Vaak staan grote hoeveelheden data bij klanten “werkloos” op hun systeem zonder dat ze er weet van hebben. De werkelijk waarde van deze “Big Data” wordt pas gebruikt als je deze gaat “ontginnen” en er analyses op los gaat laten en jouw inzichten gaat verschaffen in jouw productieproces die je nog niet had. De analyses gaan op dit moment vaak nog via vastgesteld Business Intelligence algoritmen maar ook de Learning Machine.

Algoritmen steeds belangrijker

Op het moment dat je je hier bewust van gaat worden, kan het zijn dat nog niet alle noodzakelijk data beschikbaar is voor een complete analyse. Door met een “Data-bril” naar processen te kijken en dit mee te nemen in het ontwerp van je productieproces kun je waardevolle feedback verkrijgen. Door software intelligenter te maken en meer te investeren in aanvullende data en diagnostiek, is de investering hiervoor al op korte termijn terugverdiend.

101 organiseert regelmatig events om kennis te delen.

Een 101 kennis evenement bijwonen?
Meld je aan