Datawetenschap is relevanter dan ooit. Zeker omdat er allerlei relevante, ruwe data uit de hedendaagse, complexe productiemachines rollen.
Maar wat zeggen al die sensordata, machine-instellingen en kwaliteitsdata van tussen- of eindproducten precies? Als de kwaliteit van uw product teveel varieert, waar zit het probleem dan? En hoe maakt u die bergen ruwe data inzichtelijk?
Meer informatie
Dat zinvol maken van data gebeurt aan de hand van technieken uit Data Science, waarmee honderden parameters data, zoals sensoren uit apparatuur, met miljoenen datapunten over meerdere jaren, verzameld worden. Maar vooral: al die gegevens omzetten naar makkelijk analyseerbare datasets, die zichtbaar maken wáár in het proces oorzaken van problemen zitten. Dat is wat Quality Target doet. Daarmee kunt u zien wat de invloed is van een procesaanpassing in het begin van de fabriek, op de kwaliteit aan het eind ervan. Of zelfs in de fabriek die daarná wellicht nog volgt. Quality Target laat uw engineers ervaren hoe ze voortaan zelf gegevens kunnen omzetten naar analyseerbare data. Zodat (fabrieks)processen verbeterd worden en productieproblemen verholpen worden. En u op die manier tot een stabiele productiekwaliteit komt. Met Quality Target en uw eigen engineers uw productieproces verbeteren?
Lees succesverhalen
Wilt u in de fabriek aan de slag met het analyseren van al die bergen ruwe data? Maak kennis met Python. Python is een gratis, snel groeiende open source software-omgeving, die wel wordt gezien als de bakermat van Data Science. Python kan zeer flexibel en snel miljoenen datapunten verwerken. Commerciële software is vaak zeer geschikt om alle ruwe data op te slaan en toegankelijk te maken. Sommige van die software is ook heel geschikt voor analyses. Maar als het echt aankomt op omzettingen van data om de meest zinvolle analyses te kunnen maken, dan vallen ze vaak terug op de mogelijkheid om Python in te zetten. Python is dan onmisbaar
Quality Target biedt uw engineers de mogelijkheid om vrij eenvoudig Python in te leren zetten. Dat werkt op basis van Python bouwblokken, die snel aanpasbaar zijn naar bijna alle mogelijke denkbare specifieke situaties in uw proces. Zo bouwen uw engineers aan de toekomst van uw productieproces, en aan hun eigen toekomst, door te groeien in de mogelijkheden van Data Science.
Nee, helaas, dat zal bijna nooit lukken. Al was het maar omdat lang niet alles in een productieproces valt te loggen, zoals met sensoren. Maar wat wel kan, is de beschikbare data maximaal benutten, om oorzaken van problemen te helpen achterhalen. En door slim nieuwe procesdata te gaan verzamelen in de toekomst. Zodat steeds meer inzichtelijk wordt, en uw proces steeds beter draait.