Wasmachine-experts
Twee weken geleden belde mijn vrouw in paniek op omdat onze wasmachine het niet meer deed. Ik vertelde mijn vrienden die avond over het dilemma van de kapotte wasmachine en dat we heel waarschijnlijk een nieuwe moesten gaan kopen. Plotseling werd ik omringd door wasmachine-experts. Als ik experts zeg, bedoel ik niet dat ze veel verstand hadden van wassen, maar dat ze kennis hadden van IoT en met name afwisten van een mobiele app die via de wifi verbinding kan maken met je wasmachine. Na een lange discussie over de vermeende voordelen hadden ze mij overtuigd om een wasmachine te kopen met geïntegreerde wifi-connectiviteit en een mobiele app waarmee je de wasmachine bedient en controleert.
Plug and play?
De volgende dag kochten we de wasmachine. Hij werd thuisbezorgd en aangesloten op de waterleiding, maar niet op het wifi-netwerk. Dat zou geen probleem moeten zijn geweest, omdat bij het IoT alles draait om plug and play. Toch? Ik moest de machine echter via de WPS-functie van mijn router aansluiten (ik weet niet of mijn moeder weet wat WPS is en hoe je met die functie je kleren kunt wassen). Zodra de machine eenmaal was aangesloten, konden we de mobiele app gaan gebruiken en zo de wasmachine bedienen en controleren, wat heel indrukwekkend is als je bedenkt dat het niet uitmaakt vanuit waar je dat doet.
Alles wat mijn vrienden – de wasmachine-experts – mij hadden beloofd leek waar te zijn, hoewel er nog een uitdaging overbleef: je moet nog wel zelf je vuile was in de machine doen.
Laten we eerlijk zijn: je gaat niet echt een mobiele app gebruiken om de wasmachine te bedienen wanneer je er vlak voor staat en een gebruiksvriendelijk display met knoppen ziet. Het kan me ook niet zo veel schelen wat er tijdens het wasprogramma met de machine gebeurt. Zodra het programma klaar is, geeft de machine een geluidssignaal om je daarvan op de hoogte te stellen. Dat is voor mij voldoende, omdat we niet in een gigantische kast van een huis wonen en je het signaal gemakkelijk kunt horen. Je moet bovendien bij de machine zijn om de was eruit te halen, dus waarom hebben we eigenlijk een wasmachine met wifi-verbinding en een mobiele app gekocht?
[ot-video][/ot-video]
De wasmachine en IIoT
Je vraagt je misschien af wat mijn verhaal met IIoT te maken heeft? Bij bijna alles wat ik doe vragen klanten mij zonder duidelijke uitleg of verklaring of we IIoT, Machine Learning of kunstmatige intelligentie kunnen leveren voor hun domein Operationele Technologie (OT). Redenen als kostenverlaging of grotere betrouwbaarheid van activa zijn te algemeen om echt te begrijpen waarom en hoe je zulke technologie kunt inzetten om een wezenlijk voordeel te behalen. Met het verhaal van de wasmachine wil ik aangeven dat de redenen om een wasmachine met wifi en een app aan te schaffen duidelijk waren voor mijn vrienden, maar de technologie naderhand voor ons niets opleverde.
Bedenk waarom je IIoT nodig hebt
Veel IIoT-projecten zijn om diezelfde reden mislukt. De klant voelde zich om een bepaalde reden genoodzaakt nieuwe technologie te implementeren zonder echt te begrijpen hoe hun processen of zaken daardoor zouden veranderen en hoe er dan daadwerkelijke waarde kon worden gecreëerd. Begrijp me niet verkeerd: IIoT is een onstuitbare gamechanger, vooral na een zorgvuldige overweging en afstemming op de bedrijfsstrategie en -doelstellingen, maar laat het duidelijk zijn dat met IIoT op zichzelf geen snelle successen te behalen zijn.
Is IIoT heel goedkoop?
Onlangs heeft Yokogawa een open platform gelanceerd voor IIoT-apparaten en dat is daadwerkelijk een belangrijke verandering voor het OT-domein. De kosten van de volledige installatie en inbedrijfstelling van een traditionele zender van 1000 euro zijn ongeveer 10.000 euro (kosten waaronder de bekabeling, configuratie, weergave en tekeningen vallen), terwijl het installeren en inbedrijfstellen van een IIoT-apparaat van 500 euro minder dan 1000 euro kan kosten. Met IIoT-technologie en hetzelfde budget kunnen er, vergeleken met de traditionele sensoren, dus 10 keer zo veel IIoT-sensoren worden geïnstalleerd. Kan je je voorstellen wat de installatie van 10 keer zo veel sensoren zou betekenen voor je onderhoudsstrategie? Steeds meer mensen binnen de industrie denken erover over te stappen van preventief onderhoud (onderhoud uitvoeren voordat een storing optreedt) naar voorspellend onderhoud (detecteren van een aankomende storing en het voorstellen van een oplossing voor die storing). Zodra IIoT-data van apparatuur in real time (of bijna in real time) wordt ontvangen, kunnen analyses worden gebruikt om betrouwbaarheidsrisico’s voor activa te voorspellen, zoals pompcavitatie of beschadigde lagers. Dat is wat voorspellend onderhoud inhoudt. De vereisten voor het realiseren van dergelijke voordelen zijn meer sensoren die eenvoudig zijn te installeren en configureren, zodat onderhoudspersoneel de technologie kan gebruiken zonder deskundige te zijn.
De 1000 euro voor het inzetten van IIoT is alleen realistisch wanneer eenvoudige connectiviteit en platforms met open architectuur kunnen worden verbonden met alle IIoT-apparaten (van elke leverancier) en er algoritmen worden gebruikt om de data te analyseren om het gedrag van je activa te voorspellen.
Platform met open architectuur
Het is ons opgevallen dat klanten in Europa kiezen voor platforms met open architectuur met data lakes van Microsoft Azure of Google. Een data lake is een centrale dataopslagplaats waarin grote hoeveelheden gestructureerde en ongestructureerde data kunnen worden opgeslagen. Ze zijn niet speciaal ontwikkeld voor IIoT, waardoor het een uitdaging is de verbinding met IIoT-apparaten mogelijk te maken en analysemogelijkheden te ontwikkelen voor OT-toepassingen als activaonderhoud. Dat werkt het hele idee van plug and play en de eenvoudige implementatie van de IIoT-infrastructuur tegen. Bovendien wordt het data lake doorgaans beheerd door de IT-afdeling met specifieke bedrijfsregels die vaak te veel beperkingen voor het OT-domein opleveren. Om deze redenen heeft Yokogawa een softwareomgeving gelanceerd, een zogenaamde regelengine, waarmee de IIoT-connectiviteit en je data kunnen worden beheerd en specifieke analyses kunnen worden uitgevoerd om het gedrag van je activa te voorspellen. Deze regelengine kan met veel data lakes worden gebruikt en kan eenvoudig verbinding maken met elk type IIoT-apparaat. De analyses (vaak ook Machine Learning genoemd) zijn een integraal onderdeel van de omgeving.
Machine Learning
Voor het ontwikkelen van deze analysemodellen is specifieke domeinkennis nodig. Het is niet gewoon een kwestie van data invoeren in een zwart kastje en wachten tot er een voorspelling komt uitrollen. Het zou mooi zijn als het zo simpel was, maar de realiteit is dat deze modellen veel complexer van aard zijn. Geavanceerde Machine Learning en kunstmatige intelligentie worden al gebruikt binnen het OT-domein en zullen in de toekomst steeds vaker worden ingezet. In de tussentijd proberen we deze nieuwe technologieën voorzichtig uit en leren we iedere dag een beetje bij over hoe we er binnen het OT-domein ons voordeel mee kunnen doen.
Hoe zou jouw bedrijf baat kunnen hebben bij IIoT?
ALS JE IIoT TOCH ECHT WILT GEBRUIKEN, moet je je eerst gaan verdiepen in wat IIoT nou echt voor jouw bedrijf kan betekenen. Luisteren naar je vrienden is een goed idee, maar je moet uiteindelijk zelf de impact en voordelen kunnen begrijpen.
