Waarom context zo belangrijk is bij het toepassen van gegevensverzameling

Het is geen geheim dat het verzamelen van gegevens belangrijk is voor het genereren van waardevolle inzichten die fabrieksmanagers helpen de efficiëntie in industriële systemen te verbeteren. Wat echter voor velen in de branche onbekend lijkt, is het belang van het begrijpen van de context van de gegevens die worden geanalyseerd.

Hier, George Walker, directeur van industriële controle- en automatiseringsleverancier Novotek UK en Ierland,  legt uit waarom het toepassen van context op uw gegevens het verschil is tussen inzicht en statistische blindheid.

Tunnelvisie is een probleem op verschillende gebieden, van sport tot industrie. Het is gemakkelijk om gefixeerd te raken op een enkel doel en te vergeten een stap terug te doen voor een bredere kijk op een situatie. Toch kan het nemen van deze stap terug van onschatbare waarde zijn voor inzicht en begrip van de realiteit van een situatie.

Laten we een hypothetisch scenario nemen. Stel je voor dat een onderhoudsmanager een machine heeft die draden buigt. Deze draden moeten tot een zeer nauwkeurige hoek worden gebogen om goed te kunnen werken. Op bepaalde momenten van de dag buigt de machine ze echter niet goed, waardoor het bedrijf defecte goederen produceert die moeten worden weggegooid.

Om dit probleem op te lossen, roept de onderhoudsmanager de gegevens op die zijn verzameld door de ingebouwde software van het apparaat. De beheerder analyseert de data vervolgens met een digitaal twinningplatform. Als we naar de analyse kijken, wordt het duidelijk dat de machine op bepaalde uren van de dag abnormaal trilt. De manager ontmantelt de machine, zet hem weer in elkaar en laat hem zelfs in een geïsoleerd scenario draaien, maar kan de oorzaak van het probleem nog steeds niet vinden.

Als de manager in dit geval even de tijd had genomen om een ​​stap terug te doen en naar de context had gezocht, had hij zich misschien gerealiseerd dat de abnormale trillingen samenvielen met de activeringsperiode van een nabijgelegen stuk zware machine. Er is niets mis met de machine in kwestie, maar de omringende context onthult de oorzaak van de fout. Daarom is context bij het verzamelen van gegevens van vitaal belang.

Met een reeks slimme sensoren en apparaten, gecombineerd met een digitaal twinningsysteem zoals GE Digital ’s Predix-platform, over de hele productielijn, had de manager duidelijk de correlatie kunnen zien door de gegevens in context te bekijken. Een andere methode om contextueel begrip te krijgen, zou zijn geweest door de machine te vergelijken met andere vergelijkbare machines in verschillende fabrieken.

Dit laat zien waarom digitale twinning zo'n krachtig hulpmiddel is. Het kunnen nabootsen van een volledige plant in een digitaal model doorbreekt de silomentaliteit. Hierdoor hebben managers een holistisch inzicht, dat problemen aan het licht brengt die voorheen niet duidelijk waren. Wat het probleem ook is, het is duidelijk dat de context bij het verzamelen van gegevens ertoe doet. Het kunnen analyseren van systemen is nu een realiteit en moet ten volle worden benut.

Met het potentieel om verspilling en onnodige uitgaven te verminderen, zullen digitale tweelingen sterkere operaties mogelijk maken. Omdat context gemakkelijk haalbaar is in de moderne industriële arena, hoeft het niet langer een handelsgeheim te zijn onder industriële bedrijven. En door deze kennis te delen, kunnen meer bedrijven hun slimme netwerken slimmer maken, hun operaties efficiënter en hun productieprocessen productiever maken.

De auteur van deze blog is George Walker, directeur van Novotek