Congres 2017: ‘Dare2Cross: Create value with big data’

Drechtsteden en InnovationQuarter organiseren op 14 november ‘Dare2Cross: Create value with big data’. Tijdens deze bijeenkomst leggen bedrijven en organisaties uit onder meer de offshore, gezondheidszorg en luchtvaart hun cases voor aan een geselecteerd publiek. Het doel: tot nieuwe samenwerkingen komen en daarmee nieuwe business creëren.

Logo Dare2Cross: Create value with big data

Dare2Cross is een methode om cross-sectorale samenwerking tot stand te brengen. Door samenwerking over sectoren heen en tussen organisaties uit verschillende sectoren worden innovatieprojecten opgestart. Rond concrete innovatievragen brengt Dare2Cross ondernemers samen die elkaar in hun normale bezigheden (waarschijnlijk) niet zouden ontmoeten. Zo creëert Dare2Cross nieuwe bedrijvigheid voor de regio.

Concrete cases en uitdagingen

Dare2Cross: Create value with big data’ vindt plaats op 14 november bij Hotel Postillion Dordrecht. De bijeenkomst start om 12.00 uur. Deelname is gratis, maar het aantal deelnemers is beperkt: geïnteresseerden wordt gevraagd vooraf de motivatie of betrokkenheid aan te geven.
Na het plenaire deel - met sprekers Ramon Vullings en Karl Raats - is er een aantal breakout-sessies over concrete cases op het gebied van big data. Tijdens deze sessies leggen indieners van de cases concrete uitdagingen voor aan de groep.

1. Fokker: Direct ingrijpen op productiefouten

Hoe kunnen we eerder signaleren dat fouten optreden in de productie zodat er direct op ingegrepen kan worden (in plaats van controle achteraf)?

Fokker streeft naar geoptimaliseerde, foutloze productie. Een aantal omgevingsfactoren is cruciaal bij de productie van bijvoorbeeld vleugels of landingsgestellen. Door het meten van onder meer warmte en luchtvochtigheid van machines en materialen zijn veel fouten te voorspellen, zodat aanpassingen in het proces kunnen worden gedaan en onnodige kosten vermeden.

Fouten in productieprocessen zijn kostbaar, en lopen op naarmate het proces vordert. Vaak komen fouten echter pas aan het licht tijdens de kwaliteitscontrole aan het einde van het proces. Fokker Technologies verwacht dat de metingen van de omgevingsfactoren en de inzet van Big Data het aantal fouten in de productie - en daarmee onnodig gemaakte kosten - beperkt kan worden.

De uitdaging

Met sensoren zijn tal van omgevingsfactoren te meten. Maar hoe zijn die data in te zetten voor het tijdig signaleren van productiefouten of zelfs voor het goed voorspellen én voorkomen van mogelijke productiefouten in een hightech-omgeving?

2. Mampaey: Veilig aanmeren

Op welke manieren kunnen we incidenten en ongevallen voorkomen door realtime de veiligheid te waarborgen?

Het aanmeren van een schip brengt veel gevaren met zich mee. Door golven, stroming en ander scheepsverkeer kan het schip onverwachte bewegingen maken. Helaas komen persoonlijke ongevallen dan ook voor. Daar komt bij dat ook tijdens het aanmeren het proces kan wijzigen.

Mampaey Offshore Industries heeft al een calculatiesysteem voor het voorspellen van risico’s bij hydraulisch aanmeren. Tegenwoordig is er echter steeds meer actuele informatie over relevante krachten in en op het schip beschikbaar. Met die data is ontwikkeling van een ‘realtime mooring analysis’ mogelijk, waarmee schepen veiliger kunnen aanmeren.

De uitdaging

Met sensoren in de haven, op de kade en op schepen, zijn veel bronnen met realtime informatie beschikbaar. Hoe zijn die data te gebruiken voor het voorspellen van het gedrag van een schip en dus het waarborgen van de veiligheid van havenpersoneel? Hoe kunnen we onveilige situaties voor havenpersoneel tijdig herkennen?

3. Albert Schweitzer ziekenhuis: Minder opnames op de Intensive Care

Op welke manieren kunnen we (middels big data) onbedoelde zorggerelateerde schade voorkomen bij patiënten die opgenomen zijn in het ziekenhuis?

Albert Schweitzer Ziekenhuis wil dat patiënten in het ziekenhuis niet verder verslechteren. Dus: geen opname op de intensive care, en al helemaal geen hartstilstand en overlijden. Door het combineren van informatie over de lichamelijke conditie van een patiënt (zoals hartslag en bloeddruk) met data uit laboratoriumonderzoek en observaties van verpleegkundig personeel is een verslechtering van de patiënt te voorspellen. Zo kan tijdig worden ingegrepen.

Het Albert Schweitzer ziekenhuis hoopt dat door inzet van Big Data bij ziekenhuispatiënten het aantal IC-opnames met 90% verlaagd kan worden. Gevolg: geen IC-opname voor de patiënt, minder zorgen voor zijn of haar naasten én een kortere wachtrij voor de Intensive Care (en dus ook in het voordeel van andere patiënten).

De uitdaging

Voor het verlagen van het aantal IC-opnames moeten meetwaarden in een algoritme gecombineerd worden met bijvoorbeeld schriftelijke observaties (met hulp van ‘text mining’). Welke data zijn nodig om vroegtijdig te signaleren dat een patiënt verslechtert? Van welke bedrijven en organisaties - in bijvoorbeeld onderhoud van machines – kunnen we leren? En welke bedrijven en organisaties willen meedenken wat de next steps zijn voor het Albert Schweitzer ziekenhuis?

4. Building as a service: Een gebouw niet bezitten, maar gebruiken

Deze is helaas vervallen.

5. IHC: Een dataplatform voor Big Data

Wat zijn de mogelijkheden van een platform voor Big Data in de offshore- en baggerindustrie?

Royal IHC levert installaties voor de offshore- en baggerindustrie: van losse baggerpompen tot volledige sleephopperzuigers, zoals de IHC Beagle. Om klanten beter te kunnen adviseren over het gebruik van die installaties én om grote stappen te zetten in productontwikkeling wil Royal IHC Big Data inzetten.

Daarvoor wil Royal IHC data van dergelijke installaties verzamelen. De Beagle bijvoorbeeld wordt de eerste sleephopperzuiger die gegevens registreert en doorstuurt. Die data combineert Royal IHC binnen een nieuwe dataplatform met andere informatie (zoals uit ERP-systemen en externe bronnen).

De uitdaging

Met een dataplatform kan Royal IHC nieuwe services en producten ontwikkelen. Maar zijn er ook andere business-modellen voor zo’n platform? En wat is de toegevoegde waarde voor gebruikers en toeleveranciers (de zogenoemde OEM’ers) van een dergelijk dataplatform?

6. IRM-SPD: Data delen voor beter presterende pijpleidingsystem.

Om tot een betrouwbare basis voor ‘predictive maintenance’ te komen is voldoende data nodig. Hoe kunnen pijpleidingeigenaren/operators, die over veel data beschikken, overtuigd raken deze data veilig te delen om er zelf van te kunnen profiteren?

Pijpleidingen voor bijvoorbeeld olie(producten), gas of water zijn allemaal aan slijtage onderhevig. Door interne en externe belasting degraderen deze assets over vaak langere tijd. De ‘integriteit’ (de betrouwbaarheid) van de leiding verandert dus. Door middel van (Big) Data-analyses met Artificial Intelligence zijn risicoprofielen per pijpleidingsegment op te stellen. Dit is de basis voor ‘predictive maintenance’. IRM Smart Pipeline Data ontwikkelt dergelijke data-analyse systemen en adviseert inhoudelijk op het gebied van pijpleidingintegriteit en onderhoud.

Leidingeigenaren lijken terughoudend in het delen van informatie en data over hoe hun leidingen ervoor staan. Soms omdat men dit eigenlijk niet zo goed weet (veel leidingen worden weinig of niet geïnspecteerd), soms omdat met bang is dat deze data in ongewenste handen valt. Dat kan commercieel nadelig zijn, maar zou ook een onbegrepen reactie van het publiek tot gevolg hebben. Er is echter een maatschappelijk belang dat leidingeigenaren goed weten hoe de leidingen erbij liggen: veiligheid en overlast. Daarnaast is er veel winst te behalen doordat ‘predictive maintenance’ leidt tot meer uptime, dus economisch rendabeler.

De uitdaging

Het beschikken over voldoende relevante data is een voorwaarde voor het toepassen van goede data-analyses. De vraag is wat er voor nodig is pijpleidingeigenaren te overtuigen asset data te delen met branchegenoten over de hele wereld om daar vervolgens zelf een betrouwbaarder resultaat van de analyse uit te krijgen. Dat begint met het verkrijgen van inzicht in redenen die bedrijven kunnen hebben om de data niet te delen. IRM Smart Pipeline Data wil tijdens Dare2Cross creatieve en slimme oplossingen ontdekken. Deze oplossingen zijn ook leerzaam voor andere branches.

7. Safety Changer: Veilig dankzij Big Data en blockchain

Zou het niet fantastisch zijn als je de veiligheid van processen (bijvoorbeeld op het gebied van voedselveiligheid, de leefomgeving en de maritieme industrie) realtime, sneller en foutloos kunt inspecteren?

Nog nooit eerder in de geschiedenis waren zoveel mensen rechtstreeks met elkaar verbonden. Overal is de digitale samenleving doorgedrongen. Dat biedt enorme kansen voor het vergroten van de veiligheid. Bijvoorbeeld op het gebied van voedselveiligheid, leefomgeving, de maritieme industrie en windparken.

Safety Changer wil mogelijk onveilige situaties kunnen voorspellen - en dus onveilige situaties voorkomen - door het zoeken naar patronen in gegevens. Door de inzet van Blockchain kunnen die gegevens eerst geanonimiseerd worden. Momenteel werkt Safety Changer met ILT (Inspectie Leefomgeving) aan een platform en een bijhorende mobiele app om de inspectie zo efficiënt mogelijk te maken. Alle klanten van InspectChain beheren een ‘kopie’ van de gezamenlijke blockchain-database en kunnen slechts hun eigen data inzien.

De uitdaging

Met Safety Changer maken klanten en leveranciers afspraken over controles met hulp van Big Data en Blockchain. Dat biedt kansen voor tal van sectoren. De vraag is hoe andere (bovengenoemde) sectoren kunnen leren van ILT en hun inspectie kunnen optimaliseren.

8. LetsGrow.com: Growing as a service

Hoe kunnen met Big Data nieuwe verdienmodellen worden ontwikkeld voor het ‘op afstand’ telen van tuinbouwproducten?

De Nederlandse tuinbouw is ijzersterk in het telen van producten als tomaten, rozen en komkommers. Die producten worden vervolgens over de hele wereld getransporteerd. Maar ‘local voor local’ is een grote trend: productie van voedsel en sierteeltgewassen vindt meer en meer plaats dicht bij de steden waar ze worden geconsumeerd. De kennis over de teelt is in die gebieden vaak nog onvoldoende en wordt ‘geïmporteerd’ uit Nederland.

‘Growing as a service’ maakt de weg vrij voor een nieuwe groeistrategie van de Nederlandse tuinbouwsector door bestaande domeinkennis met behulp van digitale dienstverlening op te schalen naar grotere oppervlaktes en naar gebieden elders in de wereld. Groeimodellen en groeiverbeteringsprogramma’s kunnen zo aangeboden worden als dienst, waarbij de teelt van gewassen in het buitenland wordt gekoppeld aan kennis die ontwikkeld is in Nederland. Sensoren, beeldverwerking en artificiële intelligentie zijn technieken in opkomst en vormen de ogen en oren van de adviseur die vanuit Nederland de telers ter plekke kan adviseren en verregaand kan ondersteunen.

De uitdaging

Hoe kunnen de juiste nieuwe technieken geïmplemteerd worden om de grote hoeveelheid beschikbare data die hiermee gegenereerd worden op zo’n manier te gebruiken dat er kennis ontstaat die gebruikt kan worden bij het ontwikkelen van nieuwe businessmodellen.

Meer informatie

Meer informatie via Dare2Cross.nl.