Bij de termen big data, data science en machine learning denk je al snel aan gepersonaliseerde advertenties, aanbevelingen voor producten die je moet gaan kopen en meer van dat soort zaken. Dit is ook niet gek, omdat het vakgebied data science het meest volwassen is, en daarom ook het meest toegepast wordt, in de business to consumer sector.
Data uit moderne productielijnen
Een sector die wat minder in het oog springt, maar waar de potentie van advanced analytics minimaal zo groot is, is de productie industrie. Moderne productielijnen zijn vaak uitgerust met honderden sensoren en systemen die van alles bijhouden en opslaan. Van de luchtvochtigheid van de buitenlucht, tot de exacte in- en uitchecktijden van de operators. Het is vanzelfsprekend dat deze berg aan data veel informatie bevat. De kunst is echter om deze informatie eruit te halen en het te vertalen naar concrete inzichten en adviezen die gebruikt kunnen worden in de operatie.
Industry 4.0 toepassing
Dit is een voorbeeld van een Industry 4.0 (of Smart Industry) toepassing. Naast advanced analytics, zijn ook het Internet of Things (IoT) en autonome machines een onderdeel van deze trend van automatisering en gegevensuitwisseling binnen productieomgevingen. In veel van dit soort omgevingen is er sprake van massaproductie, wat als voordeel heeft dat een relatief kleine verbetering al een enorme impact kan hebben. De keerzijde is echter dat dit soort productieprocessen vaak erg specifiek zijn en het voor veel bedrijven daardoor lastig is om Industry 4.0 toepassingen te concretiseren.
Op weg naar een Smart Factory
Het combineren van kennis en ervaring over het proces en op het gebied van data-engineering en advanced analytics is hierin de sleutel tot succes. Door precies dit te doen heeft Magnus onlangs een groot productiebedrijf geholpen om een eerste stap richting een Smart Factory te maken. Tijdens dit traject hebben consultants van Magnus samen met proces experts vanuit de operatie en de R&D hun krachten gebundeld om een onderdeel van het productieproces te analyseren.
De juiste keuze door het juiste inzicht
Bij dit proces ging het om een cruciaal onderdeel in de productielijn dat regelmatig verstopt raakt. Iedere keer als dit gebeurt moet de keuze gemaakt worden tussen vervangen of schoonmaken van het onderdeel. Tijdens het traject is onderzocht of het mogelijk is om deze keuze te maken op basis van data die tijdens het proces verzameld wordt, in plaats van op basis van de ‘gut feeling’ van de operator, zoals dat in de praktijk vaak nog gebeurd.
Na een uitgebreide analyse van het proces en de beschikbare data kwam aan het licht dat de spreiding in de time to failure enorm is. Helaas kan dit nog niet goed verklaard worden door de data die op dit moment verzameld wordt. Hierdoor is het maken van een model wel mogelijk, maar is de nauwkeurigheid veel minder hoog dan deze zou kunnen zijn met de juiste data.
Data-driven analyse optimaliseert productieproces
Ondanks dat, zijn er tijdens de analyse van het proces een aantal zaken aan het licht gekomen waar de operatie nog niet van op de hoogte was. Door in de toekomst wel rekening te gaan houden met deze factoren, zou het aantal noodzakelijke vervangingen van dit cruciale onderdeel met wel 15% gereduceerd kunnen worden. Momenteel is het bedrijf in kwestie aan het onderzoeken hoe ze dit zo snel mogelijk kunnen implementeren en of er wellicht nog meer data verzameld kan worden, zodat het model verder verbeterd kan worden.
Al met al is dit een erg mooi resultaat, zeker als in acht wordt genomen dat de analyse in een hele korte periode is uitgevoerd. Daarbij toont het aan dat een data-driven analyse van een (productie) proces enorm waardevol is. Ook al bestaat de kans altijd dat er minder voorspellende waarde in de verzamelde data zit dan vooraf wordt gedacht.