nlaic logo


 

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..

 

Tags

 

 VIDEO

Deze video wordt aangeboden door Nederlandse AI Coalitie onder een Creative Commons-licentie.