Energie management, video 2
In deze video vertelt Yury Brunt van Aveva Select dat er een stap gemaakt moet worden van analytics naar advanced analytics om AI te kunnen toepassen. Dan kun je zorgen voor energie management. Het halen van inzichten uit data noemen we 'analytics'. Het doen van voorspellingen op basis van data wordt 'advanced analytics' genoemd. Een toepassing daarvan vinden we in energie-management. In toekomstige fabrieken zullen veel processen geautomatiseerd worden.
Transcript:
Energie management is voor ons inzicht krijgen in het verbruik van energie door het analyseren van data. Data in context met productiegegevens. Dus denk daarbij aan uiteindelijk inzicht kunnen krijgen in hoeveel energie verbruik ik per product, of hoeveel energie verbruik ik op een productielijn, of hoeveel energie is er verbruikt tijdens de werkzaamheden van een bepaald team, hoeveel energie is er verbruikt over een bepaalde periode. Uiteindelijk gaat het erom dat je die informatie, dat inzicht gebruikt om optimalisaties door te voeren. Dat is voor onze energie management. Als we specifiek kijken naar energie management dan spreken wij over WAGES. WAGES is een afkorting voor water, AIr, gas, electricity and steam en vangt eigenlijk primaire en secundaire energie stromen. De registratie van het energieverbruik vindt plaats in de fabriek doordat er meters geplaatst zijn. Meters, die kunnen geplaatst zijn op een productielijn, of een onderdeel daarvan, of een machine. En die zorgen dus voor een nauwkeurige registratie van het actuele verbruik. De volgende stap in het proces is het koppelen van the procesdata aan die productiecontext. Het lastigst hieraan is het denkwerk. "Hoe koppelen we dat op de juiste manier aan elkaar, en brengen we dat in een data model?" Als je dat goed doet is het daar ik eenvoudig om je KPI's te berekenen. Dus bijvoorbeeld: "Hoeveel energie heb ik nu verbruikt om een paar producten maken in een bepaalde periode, of hoeveel energie heb ik nodig had om een ton product te produceren?" Daarmee kunnen we verschillende mensen binnen de organisatie helpen. Dus stel je voor dat verschillende werknemers binnen een bedrijf verschillende behoeften hebben als het gaat om informatie. Dus wat wij proberen te doen is de data in context brengen met hun situatie. Iemand die zich met onderhoud bezighoudt heeft andere informatie nodig dan iemand die productieleider is. De grootste uitdaging waar wij tegen aanlopen is de kwaliteit van data. Vaak zien wij dat data niet of onjuist geregistreerd wordt. Dit bemoeilijkt analyse achteraf. Dus mijn tip is: Regel dit vooraf. Je kunt dit later niet meer veranderen. Zorg dat de data op een goede manier correct geregistreerd wordt in de database. Daar hebben we later veel plezier van..