Techport Fieldlab Smart Energy
Met Tiny Machine Learning naar energie- en emissiereductie in de industrie
Sensortechnologie, machine learning en artificial intelligence kunnen een grote bijdrage leveren aan het terugbrengen van emissies en efficiënter energieverbruik in productie- en onderhoudsprocessen
Door slim gebruik te maken van digitale technologieën en gegevensanalyse (Smart Energy) kunnen industriële en logistieke processen op verschillende onderdelen efficiënter worden beheerd en geoptimaliseerd. Tegelijkertijd is de implementatie van deze technologieën voor veel bedrijven complex; veelal is de kennis over sensoren, machine learning, artificial intelligence en data -analyse en niet in huis, zijn de in de markt aangeboden sensoren duur en bedraad, is men afhankelijk van dure cloud abonnementen , zijn er veiligheidsrisico’s voor het netwerk en is het bedrijf zelf niet in staat de data te analyseren.
Tiny Machine Learning (Tiny ML) is een vorm van machine learning die deze bezwaren wegneemt. Tiny Machine Learning is een nieuwe technologie waarmee data wordt gegenereerd op een goedkope, veilig en eenvoudige manier. Tiny ML richt zich op het ontwikkelen van algoritmes en technieken die kunnen worden geïmplementeerd op zeer kleine apparaten, zoals microcontrollers en Internet of Things (IoT)-apparaten. Het doel van Tiny ML is om deze apparaten in staat te stellen om lokale beslissingen te nemen op basis van gegevens die door hun (zeer goedkope) sensoren worden verzameld, zonder dat er verbinding hoeft te worden gemaakt met een externe server of cloud. Het implementeren van Tiny ML in de productie-industrie kan laagdrempelig en tegen significant lagere kosten worden uitgevoerd dan traditionele AI-oplossingen. Dit maakt het mogelijk om op heel veel extra plaatsen in processen en machines data met sensoren te gaan verzamelen om te monitoren en voorspellen. Het is dan ook een veelbelovende technologie die bijdraagt aan de digitale transformatie naar Industrie 4.0 van de industrie en het voor minder draagkrachtige organisatie, zoals het MKB, bereikbaar maakt.
Toch is er veel koudwatervrees bij met name het MKB om op grote schaal in te stappen in deze nieuwe veelbelovende digitale technologie: er is onvoldoende kennis over de aanpak en de beoogde resultaten, er ontbreken voorbeeldprojecten, het beschikbare aanbod is te duur voor het MKB en speelt niet voldoende in op de specifieke behoefte van MKB-bedrijven en er is geen bekend of beschikbaar aanbod van dienstverlening of ondersteuning om testen, implementatie en opschaling te realiseren .
Daarom is er een proeftuin nodig, een Fieldlab, waar kennisvragers (assetowners/producenten) en kennisdragers (kennisinstellingen, data-analisten, sensorleveranciers) elkaar vinden in het opzetten van een infrastructuur voor het testen van Tiny ML toepassingen, op kleine schaal resultaten halen (use cases uitvoeren), waar gerekend wordt aan individuele business cases en waar bedrijven (asset owners, toeleveranciers, onderhoudsfirma’s , system integrators, sensorleveranciers) , onderwijs en kennisinstellingen werken aan individuele bewijslast en implementatie van Tiny ML en collectieve kennisopbouw over deze technologie en haar toepassingen. Het doel van het project Fieldlab Smart Energy is om de technologie van Tiny Machine Learning duurzaam toegankelijk te maken voor het industrieel MKB en dit bedrijfsleven te ondersteunen bij het gericht inzetten van deze technologie met als doel energieverbruik en emissies te reduceren alsmede het efficiënt benutten van hernieuwbare energiebronnen. Al 25 partijen hebben zich aan dit project gecommitteerd.