Rendabel gebruik van relevante data - de case van InsightProducts

Nu sensoren snel goedkoper worden, verwachten productiebedrijven dat hun massale inzet van sensoren vitale diensten zal ondersteunen, zoals predictief onderhoud, geautomatiseerd beheer van de toeleveringsketen, monitoring van bediening en gebruik. Miljarden geconnecteerde IoT-apparaten, die gigantische hoeveelheden gegevens genereren, resulteren echter niet per se in slimme systemen of producten. Ze hebben daarentegen wel een directe impact op de kosten. Het InsightProducts-project helpt bedrijven hun product- en dienstenaanbod te optimaliseren via het rendabel verzamelen en gebruiken van kwalitatieve productgegevens met het oog op digitale servitisatie.

Voor de productfabrikanten is het een 'Brave New World': sensoren, draadloze communicatietechnologieën, software en XaaS-modellen komen steeds vaker voor, en producten waren nog nooit zo slim en geconnecteerd. Datagedreven productmanagement is essentieel voor de besluitvorming, dit om de relatie met de klant realtime te versterken. Daarom wordt big data-analyse nog steeds gezien als dé sleutel tot RoI voor productfabrikanten.

De huidige big data-aanpak wordt echter vaak beschouwd als een procedure met twee elementaire stappen:

  • Stap 1. Het product of systeem uitrusten met een overvloed aan sensoren die grote hoeveelheden gegevens genereren.
  • Stap 2. De resulterende data lake aan een data scientist toevertrouwen en verwachten dat 'er iets gebeurt'. 

Het probleem met deze aanpak is dat, in tegenstelling tot wat men zou verwachten, minder dan 1% van die big data eigenlijk wordt geanalyseerd! Dit is intrinsiek gekoppeld aan de kosten voor het verwerven van die enorme datapools. Hoewel sensoren tegenwoordig veel goedkoper worden, zijn ze door de complexiteit van de ondersteunende infrastructuur en de hoeveelheid gegenereerde data die erbij komt kijken, geen haalbare oplossing meer. Veel verborgen big data-kosten worden vaak over het hoofd gezien, zoals:

  • Sensor- en netwerkbeheer - monitoring, onderhoud, reparatie, QoS-garanties voor datacommunicatie naar backend.
  • Kosten van datakwantiteit vs. datakwaliteit - back-ups van enorme hoeveelheden data, opslag en verwerking van data van lage kwaliteit, redundantie, manuele taken voor datatransformatie en -integratie, manuele taken voor het annoteren/labelen van data, en op het eind van de lijn: manuele taken bij het extraheren van zinvolle en bruikbare inzichten (buiten de rudimentaire statistieken om) door gebrek aan domeinkennis van de data scientist.
  • Beveiliging- en privacyproblemen - worden al te vaak stiefmoederlijk behandeld, maar belangrijke investeringen in die domeinen dekken alle lagen, van sensor, communicatie en opslag tot analyse.

Hebt u geluk (of pech, al naargelang), dan heeft het gebrek aan toegang tot klantgegevens om er iets begrijpelijks mee te bereiken, u het opzetten van een volledige backend-infrastructuur gekost zonder echte gegevens om mee te werken.

Rendabel gebruik van relevante data

Vandaar het uitgangspunt van het InsightProducts-project, onder leiding van Sirris: de duidelijke en verborgen kosten van big data verlagen en zich in plaats daarvan op kwalitatieve data richten door:

Het gebruik van sensoren te optimaliseren en de hoeveelheid verzonden gegevens te verminderen

Om de optimale architecturale lagen in InsightProducts te bepalen, moet het probleem in de volgende beslissingspunten worden opgesplitst:

  • Selectie van geschikte communicatie- en sensoroplossingen - afhankelijk van de verschillende toepassingsvereisten, zoals de bedrijfsomgeving, het gebruik en de fouttolerantie, wat resulteert in een optimale communicatie en berichtgeving met het oog op relevante data-acquisitie.
  • Optimaal gebruik en plaatsing van de sensoren - voor een kwalitatieve data-acquisitie spelen de hoeveelheid en de locatie van de sensoren een grote rol.
  • Kwalitatieve data - als resultaat van voorverwerking, annotatie en verwijdering van overbodige metingen.
  • Data- en systeembeveiliging - inclusief communicatie, gegevens en fysieke beveiliging van sensoren.

De datakwaliteit te verbeteren en bruikbare inzichten te verstrekken

Het bieden van bruikbare inzichten in producten is voor een bedrijf cruciaal voor een kwalitatief hoogwaardig product dat is afgestemd op de verschillende gebruikstoepassingen van de klant. Deze inzichten helpen het bedrijf het gebruik van het product beter te begrijpen en kunnen de plus- en minpunten van hun product uitlichten. Om bruikbare inzichten te bepalen, moet het product correct worden gemonitord en moeten de juiste gegevens worden verzameld. Een bedrijf kan verschillende stappen ondernemen om kwalitatieve gegevens te verwerven. Zo zijn er richtlijnen waarmee rekening moet worden gehouden alvorens de gegevens te verzamelen, terwijl andere maatregelen de kwaliteit van de gegevens na het verwerven ervan kunnen verbeteren. Met een kwalitatieve dataset kunnen data eenvoudig worden verrijkt met datasets van derden, krijgt de data scientist de juiste informatie aangereikt om de juiste inzichten te extraheren en beschikt het bedrijf over een gestructureerd formaat om data in de toekomst vast te leggen.

Op 22 oktober 2019 organiseerde Sirris zijn eerste jaarlijkse workshop die openstond voor het publiek en waarin de onderzoeksthema's van het InsightProducts-project werden toegelicht, zoals hierboven uiteengezet. Tijdens deze workshop vonden twee themasessies over de toegang tot klantgegevens en de digitale servitisatie plaats, met bedrijfsgetuigenissen van Gilbos, 3E, Renson, Certis en be.wan, waarbij obstakels en benaderingen werden belicht.

Sirris was ook aanwezig op het Flanders Make Symposium op 26 november 2019, waar het een eerste reeks resultaten presenteerde over de vijf geïdentificeerde demonstrators van het InsightProducts-project. Drie van deze demonstrators zijn technologiegericht en illustreren verschillende aspecten van het verwervingsproces en het gebruik van kwalitatieve gegevens:

  • Optimaal gebruik van sensor- en communicatieoplossingen, ondersteund door en tot ondersteuning van kwalitatieve data.
  • Bepalen hoe kwalitatieve gegevens kunnen worden verworven en er bruikbare productinzichten uit afleiden.
  • Verbetering van het design en de operationele werking van een product, op basis van kwalitatieve data-inzichten.

De andere demonstrators zijn methodologiegericht en zijn bedoeld om bedrijven te voorzien van succesverhalen, best practices, enz. met betrekking tot:

  • Digitale servitisatie: het traditionele productaanbod aanvullen met diensten en oplossingen.
  • Het verkrijgen van toegang tot klantgegevens.

Vervolginitiatief

Daarnaast is naar aanleiding van de belangstelling voor de huidige demonstrators en de uitgebreide vervolgdiscussies met bedrijven, een onderwerp voor een vervolginitiatief geïdentificeerd, gericht op vertrouwen en transparantie in de data-analyse. Dit behelst:

  • Betrouwbare en vertrouwde databronnen - Ervoor zorgen dat de gegevens die in de analyse worden gebruikt, reëel en nauwkeurig zijn en niet zijn gemanipuleerd.
  • Betrouwbaarheid en vertrouwen in data-analyseprocessen - Ervoor zorgen dat data-analyse transparant wordt uitgevoerd en dat de geëxtraheerde kennis betrouwbaar en geloofwaardig is.

Bent u geïnteresseerd in de knowhow van het InsightProducts-project of het vervolginitiatief? U kunt zich nog steeds bij de gebruikersgroep van het project aansluiten! Zo maakt u kennis met de projectdemonstrators vanop de eerste rij en haalt u voordeel van de kennis die binnen het project wordt ontwikkeld. Meer informatie over InsightProducts vindt u hier.

Met de steun van: