Reportage IoT sensor analytics workshop

 

Onlangs organiseerde een klant van SMT een IT DevDay event. Deze dag had een vol programma met verschillende hands-on labs, keynotes en presentaties. SMT presenteerde een workshop over IoT sensoren en toonde de praktische toepassing ervan door data te verzamelen op locatie bij de klant. De IoT sensoren genereren data van diverse soorten apparaten, dit geeft onder andere inzicht in de performance van het apparaat en wanneer bijvoorbeeld onderhoud nodig is. Deze inzichten worden gebruikt voor het analyseren van de business, hoe de efficiëntie kan worden verhoogd of op welke manier de bedrijfsvoering er van kan profiteren.

De sensoren zijn afkomstig van Anything Connected. Zij hebben een met het internet verbonden sensor sticker die verschillende variabelen meet waaronder de elektrische activiteit. De sensoren meten draadloos wat elektrische apparaten doen, het is dus niet nodig de machine te onderbreken en iets aan het circuit te verbinden. De verzamelde data kan worden geladen naar een willekeurig data platform voor analyses. De data wordt verzameld aan de buitenkant van het apparaat waardoor er geen persoonlijke of privacygevoelige informatie bij betrokken is. Het zijn dus niet-invasieve sensoren voor het monitoren van externe activiteit.

Er zijn sensoren geplaatst op verschillende plekken in het kantoorgebouw: de lift, het koffieapparaat en de draaipoortjes bij de ingang. De sensoren werden eenvoudig bevestigd en verwijderd van de objecten met industriële tape. Ze meten acceleratie, vibratie, positie, elektrische activiteit en temperatuur. Deze data is vervolgens verzameld en geladen in het SMT Enriched Data Analytics Platform® waarvoor Splunk wordt gebruikt.

Dit is een data-analyseplatform die structuur brengt in machinedata van iedere applicatie, server of netwerk. Het biedt de mogelijkheid om ongestructureerde machinedata te verwerken en inzichtelijk te maken. Deze data kan worden gebruikt voor analyses, real-time inzichten en voorspellingen.

Het voordeel van het Splunk platform in deze situatie is dat het snelle verkenning en analyse van de data mogelijk maakt. En het is schaalbaar; dezelfde technologie wordt gebruikt voor zowel de proof of concept als in een productieomgeving. Machine learning algoritmen kunnen eenvoudig worden toegepast en geoperationaliseerd door gebruik te maken van de Machine Learning Toolkit.

Rond lunchtijd werden de sensoren geplaatst op de draaipoortjes bij de ingang, waarvoor toegangspasjes worden gebruikt. De poortjes gaan de ene kant op als mensen naar buiten gaan en de andere kant op als mensen binnenkomen. Het was hierdoor mogelijk om te meten hoeveel mensen er naar buiten gingen en hoeveel mensen naar binnen kwamen. In dit geval is het aantal mensen dat naar buiten ging voor lunch ook weer teruggekomen voor de middag. Niemand werd vermist.

Met de sensoren op de lift kon worden vastgesteld hoe vaak de deuren open en weer dicht gingen. Of de lift één etage verplaatste of helemaal van de begane grond naar de bovenste verdieping. Het aantal keer dat de lift werd gebruikt en hoeveel tijd het werd gebruikt is erg interessante informatie voor het onderhoudsteam.

Binnen een korte periode is aangetoond dat data overal is en dat dit snel om te zetten is in informatie die van waarde is op verschillende plekken in de organisatie. De totale bewegingstijd van een lift is bijvoorbeeld een interessante metric in onderhandelingen met een liftserviceorganisatie. Een verandering in de trend van het gebruik van de lift is een gegeven waarmee de effectiviteit van een gedragscampagne (“Neem de trap!”) gemeten kan worden.

De sensoren geven informatie voor preventief onderhoud, maar er is ook heel veel bijkomende informatie die uit dezelfde dataset kan worden gehaald. Het gedrag en gebruik van het apparaat kan ook worden gemeten. De SMT-consultants hebben meerdere jaren ervaring met Splunk, waardoor ze op korte termijn in staat waren de data te verzamelen, een helder dashboard te creëren en er waardevolle informatie uit te halen. Het is dus mogelijk om uit de verzamelde data nuttige informatie te halen over Information Security, Business Analytics of IT Operations.

In korte tijd is een concreet voorbeeld gegeven van de analysemogelijkheden met IoT sensor data. Waarbij ruwe meetwaarden snel worden omgezet in nuttige en waardevolle informatie.
Voor deze organisatie, die zelf veel werkt met sensoren, is gekozen om op een snelle ludieke manier de potentiële waarde van sensordata aan te tonen. Door de gebruikte technieken, het type sensor en het SMT EDAP®, is men in staat om binnen 2 dagen dit eerste inzicht te geven. De klant heeft nieuwe inzichten gekregen in gebruik en toepassing van IoT sensoren. Bovendien heeft men ervaren hoe men met de juiste hulpmiddelen op korte termijn daarmee resultaten kan boeken.

 

Mei 2019