Tiny Machine Learning

Tiny Machine Learning is draadloos, goedkoop, veilig en eenvoudig. Zo kun je direct starten met ‘het plakken van sensoren’ op assets. Hiermee kan je voorspellend onderhoud uitvoeren waarmee je kosten bespaart en je efficiëntie verhoogt.

Het mkb wordt vaak gewezen op de potentiële waarde van data. Meer meten en analyseren leidt tot meer inzicht en meer grip op het productieproces, de staat van de installatie, het energieverbruik en de kwaliteit van het product. Toch is de drempel voor veel mkb’ers hoog om hier volop in te stappen. Veelal worden sensorsystemen, connectiviteit en cloudmiddelen als prijzig en complex gezien en ontbreekt volgens veel bedrijven de benodigde basiskennis.

Met Tiny Machine Learning (Tiny ML) is dit allemaal niet van toepassing. Je verkleint je machine learning namelijk zodanig dat deze kunnen worden uitgevoerd op kleine edge microcontrollers (kleine chipjes) die door een batterij gevoed worden.

Afgeronde use cases
In september 2023 zijn de volgende use cases afgerond:

– Tata Steel – geluidslokalisatie met als doel het voorkomen van geluidsoverlast
– Hilton Foods Holland – predictive maintenance van een machine, met als doel het voorkomen van uitval of stilstand en daarmee voedselverspilling.
– Biscuits International – monitoren van houdbaarheidsdatum, barcode en etiket om de juiste combinatie en datum te controleren. Met als doel het voorkomen van voedselverspilling.
– VanDerEng – energiemonitoring met als doel energiereductie en het voorkomen van piekbelasting en extra sensoren op machines geplaatst om data te verzamelen t.b.v. een nauwkeurige voorcalculatie. Bedrijven zijn zeer tevreden over de uitkomsten van de use cases.

Onderzoek
Naast de technische use cases is er bij Biscuits International en Hilton Foods Holland door studenten onderzoek gedaan naar de mogelijkheden van Smart Industry voor de langere termijn, inclusief de bedrijfskundige implicaties daarvan en de mogelijke business case. Het onderzoek heeft geleid tot een road map van mogelijke use cases verspreid over een aantal jaar, met indicaties van de technische en economische haalbaarheid en de opschalingsmogelijkheden binnen de organisatie. 
De uitkomsten van bovenstaande use cases zullen dan ook verder ontwikkeld worden tijdens vervolg use cases.  

Nieuwe use cases
Naast de voortzetting van de bestaande use cases zijn/worden er ook nieuwe opgestart:

– Vezet – voorspellen van terugstromen in de fabriek door spoelwater- en energiemonitoring met als doel het reduceren van energieverbruik. Strohm – predictive maintenance, voorkomen stilstand machinesBiscuits International – energiemonitoring met als doel reductie van het energieverbruik
– Hilton Foods Holland – monitoren gehele productielijn met als doel energiereductie en predictive maintenance
– IJssel – predictive maintenance, voorspellen van slip op rollen ter voorkoming van krassen op metaal bij Tata Steel. Dit om afkeuring en dan opnieuw produceren van materiaal te voorkomen.
– KimPlusDelta – het ontwikkelen van een sustainable OEE-model en het automatiseren, testen en implementeren ervan bij een van de use cases met als doel voorafgaande aan use cases een inschatting te kunnen maken van de reductie van de impact op het milieu zoals bijvoorbeeld energiereductie, CO2-uitstoot en andere schadelijk stoffen. Hiermee kan de mate van de impact inzichtelijk worden gemaakt).   

Wil je zelf een use case starten of heb je vragen over Tiny ML en de toepassingsmogelijkheden neem dan contact op met Andre Gerver via a.gerver@techport.preview6.raadhuis.com.