Overslaan en naar de inhoud gaan

Data innovation

Potential of data innovation within manufacturing

In contrast met de hype rond (big) data en een beloftevolle toekomst met Industry 4.0-toepassingen staan staat het onvoldoende begrip van de technologische uitdagingen die overwonnen moeten worden om tot deze toepassingen te komen. Dit gaat immers verder dan eenvoudig productiedata vergaren en een intelligent algoritme out-of-the-box toepassen, het gaat ook over de beschikbaarheid van representatieve historische data gecureerd door domeinexperts, de creativiteit bijkomende inzichten over productieprocessen af leiden via verschillende databronnen, het verwerven van een nieuwe set technische vaardigheden die het mogelijk maken de juiste data-gedreven business-vragen in een bepaalde context te identificeren.

 

Op 4 oktober presenteerde het EluciDATA Innovation Lab op het netwerkevent ABISS de uitdagingen en opportuniteiten verbonden aan de realisatie van data-innovatie in de maakindustrie. 

Data Innovation en nieuwe inzichten dankzij data science

Data science - de wetenschap die zich bezighoudt met het slimme gebruik van digitale gegevens - is niet alleen voorbehouden voor internetgiganten als Google, Amazon en Facebook, maar kan ook bijzonder waardevol zijn voor de innovatieprocessen in verschillende domeinen, ook voor kmo’s. Data science maakt het mogelijk om nieuwe inzichten te verwerven uit experimentele data, producten en klanten te profileren, productieprocessen te optimaliseren, uitval van machines te voorspellen.

 

In het kader van het EluciDATA-project organiseert het Sirris Data Innovation Team een   mastercourse die de verschillende facetten van data-innovatie belicht. Elke sessie geeft eerst een pragmatische industriegerichte inleiding tot datagedreven innovatie, en behandelt ook een specifiek onderwerp. De opleidingen kunnen los van elkaar bijgewoond worden.

 

In 2017 kwamen vier onderwerpen in de sessies aan bod, bijgewoond door 69 deelnemers in totaal: 'the art of feature engineering', 'the importance of data exploration and hypothesis building''the art of formulating a data science task' en 'the importance of data exploration and hypothesis building'. 

Machineparkanalyses voor data-gestuurde optimalisering van bediening en onderhoud

Steeds meer bedrijven starten proactieve of predictieve onderhoudsprojecten op en zoeken naar manieren om de werking van hun machines te optimaliseren door de grote hoeveelheid gegevens die ze verzamelen beter te benutten. Bij hun analyses focussen ze zich echter hoofdzakelijk op het niveau van elke machine afzonderlijk, waardoor een enorm potentieel voor machineparkanalyse onbenut blijft.

 

Rond dit onderwerp organiseerde Sirris in het kader van het HYMOP-project samen met de andere projectpartners VUB, imec, Universiteit Antwerpen en KU Leuven op 13 december 2017 de tweede editie van het seminarie ’Analyse van het machinepark voor datagestuurde optimalisering van bediening en onderhoud’

 

Het seminarie richtte zich op de uitdagingen die gepaard gaan met het optimaliseren van de werking en het onderhoud van een machinepark op basis van gegevensanalyse en hybride modelleringsstrategieën. Met zo’n 70 deelnemers uit de academische en industriële wereld, toonde het event de toenemende aantrekkelijkheid van en interesse in machineparkanalyses voor datagestuurde optimalisering aan.  

Tijdige voorbereiding op gevolgen van GDPR voor dataverwerkingsactiviteiten

In mei 2018 zal de General Data Protection Regulation (GDPR) of Algemene Verordening Gegevensbescherming (AVG) in werking treden, wat een enorme impact zal hebben op bedrijven die persoonlijke data verzamelen en verwerken. Deze nieuwe wetgeving versterkt de rechten en privacy van personen inzake het verwerken van persoonlijke gegevens. Deze maatregel zal eveneens een weerslag hebben op hoe we innoveren met data.

 

Al op 26 juni 2017 organiseerden Sirris en Agoria een event rond de GDPR en het effect ervan op algoritmen en beveiliging. Hierop toonde het Sirris Data Innovation -team hoe de nieuwe wet een invloed kan hebben op de dataverwerkingsactiviteiten van een onderneming, en dit vanuit een bedrijfs- en technisch perspectief.