Smartphone blauwe achtergrond

Zelf situationeel meten

door middel van IoT

Zelf situationeel klimatologische metingen verrichten

‘Data is het nieuwe goud’ is wat we tegenwoordig steeds vaker horen. Waarom dan niet steeds meer data verzamelen? Dit was Eric de Vos (Asset supervisor binnen PWN) zijn gedachte. Met dit idee heeft hij een casus ingebracht voor de makathon ‘Smart solutions voor de watersector 2019’. Het idee achter deze casus was om een product te ontwikkelen waarmee asset engineers binnen PWN zelf metingen kunnen verrichten wanneer er behoefte is aan meer informatie over een bepaalde ruimte. Door een set sensoren beschikbaar te hebben die flexibel is in te zetten op verschillende locaties, kunnen naar behoefte op eenvoudige wijze de klimatologische omstandigheden in bedrijfsruimten worden gemeten. Dit is interessant als er ergens een probleem is (vocht, schimmel, geluid, warmte, etc.). Maar het is ook van toegevoegde waarde om op extreme momenten (extreme hitte/kou) gedurende een bepaalde tijd te meten om meer inzicht te krijgen.

Plug and play

Aangezien het product is bedoeld voor eindgebruikers die zelf niet altijd over de kennis beschikken om sensoren aan te sturen en data te analyseren, was het belangrijkste uitgangspunt van deze casus: het product moet gemakkelijk te gebruiken zijn door verschillende eindgebruikers. Dit betekent dat de sensorkit gemakkelijk aangesloten, verplaatst en uitgelezen dient te worden. Het is gelukt om het apparaat zo te configureren dat, wanneer de stroombron aan het apparaat wordt gekoppeld, het apparaat automatisch opstart, begint met meten en deze waardes doorstuurt naar de Microsoft Azure omgeving van PWN.

 

“Als data het 'nieuwe goud' is, waarom dan niet meer data verzamelen?”
 Eric de Vos, Asset supervisor

 

Op eenvoudige wijze monitoren

Azure biedt verschillende tools om aan de slag te gaan met de verzamelde data. Zo is er in Power BI een dashboard ontwikkeld waarin de data gevisualiseerd worden. Zodra de eindgebruiker de sensorkit ergens heeft geïnstalleerd, kan er meteen per telefoon gecontroleerd worden of de gemeten waardes binnen komen. Daarnaast kunnen er ‘regels’ ingesteld worden. Zo’n regel kan bijvoorbeeld zijn dat belanghebbenden van een bepaalde ruimte een melding krijgen wanneer het te warm wordt.

Verschillende eindgebruikers

Al snel volgden er meerdere casussen. Het idee is veranderd van situationeel meten voor asset engineers, naar situationeel meten voor verschillende eindgebruikers binnen PWN. Vanuit meerdere afdelingen binnen PWN zijn er behoeften om situationeel te meten. Zo is er behoefte om de verzilting van het IJsselmeer te monitoren. De sensorkit is modulair gebouwd, dit houdt in dat er voor deze verschillende behoeften de sensor vervangen kan worden door een andere sensor. Op deze manier kan de sensorkit gebruikt worden voor deze verschillende doeleinden. 

Het probleem voor zijn

Uiteindelijk is er natuurlijk behoefte om het probleem voor te zijn. Hiervoor wordt er bij de ontwikkeling ook rekening gehouden met mogelijkheid tot permanente plaatsing van sensoren. Op deze manier kan er continu, veel data worden verzameld. Door middel van machine learning is het mogelijk om modellen te ontwikkelen, die PWN kunnen ondersteunen bij het voor zijn van de eerder genoemde problemen, zodat de eindgebruiker een melding krijgt voordat er daadwerkelijk een probleem is ontstaan, en het zo kan voorkomen.