De aloude wijsheid dat ‘meten’ leidt tot ‘weten’ heeft anno 2023 nog niets aan geldigheid ingeboet. Sterker nog: dankzij technologische ontwikkelingen kunnen we steeds meer inzicht krijgen in (sensor)data. Dankzij alle ontwikkelingen op het gebied van analytics en artificial intelligence (AI) kunnen die data steeds beter, sneller en nauwkeuriger worden geanalyseerd, als solide basis voor goed onderbouwde beslissingen.
De groei en waarde van sensordata
Als senior data scientist bij SAS Nederland, dat grote organisaties helpt om zoveel mogelijk waarde uit data te halen, volgt Rik de Ruiter alle technologische ontwikkelingen op de voet en benut hij deze waar mogelijk. ‘In IoT is een van de grootste trends dat het aantal sensoren blijft groeien en de sensoren ook steeds slimmer worden.’
‘Als je data uit deze sensoren haalt en analyseert, kun je daar enorm veel waardevolle inzichten uit halen. Daardoor kunnen bedrijven en organisaties steeds betere beslissingen nemen, processen optimaliseren en bijvoorbeeld proactief onderhoud uitvoeren.’
Computer vision
Maar er is méér. Veel innovatie vindt momenteel plaats met objectherkenning door middel van computer vision, vertelt De Ruiter. ‘Het interpreteren van de visuele wereld aan de hand van technologie is op zich niet nieuw. Maar inmiddels is de techniek zó vergevorderd en verfijnd dat computer vision-modellen steeds beter uit de voeten kunnen met verschillende soorten objecten, maar ook met lichtvariaties en met objecten die zich half achter elkaar bevinden.’
‘Rond 2015 is de technologie echt business-ready geworden en is deze vanuit de academische wereld steeds meer doorgedrongen tot het bedrijfsleven. Het aantal concrete toepassingen groeit intussen gestaag. Als je beelden geautomatiseerd kunt analyseren, kan dat enorm veel inzichten opleveren.’
Vijf voorbeelden
SAS zet zijn deze technologieën in steeds meer sectoren in. Vijf inspirerende voorbeelden uit de praktijk laten overtuigend zien hoe de voortschrijdende technologie concreet bijdraagt aan businessoptimalisatie, en in veel gevallen ook aan een betere wereld.
1. Notilyze: vluchtelingenpopulaties inzichtelijk maken
Er zijn wereldwijd veel mensen op de vlucht voor oorlog en geweld. Veel van die vluchtelingen komen terecht in een vluchtelingenkamp. In zo’n kamp zijn veel faciliteiten nodig, zoals tijdelijke accommodaties, sanitaire voorzieningen en medische hulp.
Voorraadbeheer: flinke uitdaging
Jaarlijks wordt er zo’n 1,3 miljard dollar aan humanitaire hulp verspild, doordat het voorraadbeheer in de grote, vaak onoverzichtelijke vluchtelingenkampen een behoorlijke uitdaging vormt. Daardoor komen hulpgoederen niet altijd op het juiste moment op de juiste plek. Naar schatting kunnen daardoor jaarlijks bijna 1,9 miljoen kinderen, vrouwen en mannen niet beschikken over essentiële humanitaire voorzieningen die hen veilig en gezond houden.
Resources gericht inzetten
Om daar iets aan te doen, ontwikkelde Analytics-as-a-Service-provider en SAS-partner Notilyze een oplossing waarmee het aantal vluchtelingen in een kamp nauwkeurig kan worden vastgesteld. De zogenoemde Camp Forecast-tool (waarmee Notilyze in 2020 de SAS Hackathon won) maakt aan de hand van satellietbeelden een prognose van de huidige populatie van vijftig vluchtelingenkampen in Nigeria.
Met deze informatie krijgen hulporganisaties inzicht in hoeveel vluchtelingen zich op welk moment waar bevinden, en kunnen ze hun hulpmiddelen gerichter inzetten op de plek waar ze ook daadwerkelijk nodig zijn. Zo draagt deze datagedreven oplossing concreet bij aan de verbetering van het leven van vluchtelingen.
2. Manufacturing: optimale processen, minimale downtime
Grote fabrieken en productielocaties is er vanzelfsprekend veel aan gelegen om downtime zoveel mogelijk te voorkomen. Elke seconde dat een productielijn stilligt, is er immers één te veel. Tegelijkertijd is het zaak om processen voortdurend te optimaliseren en ze zo veilig mogelijk te houden. Het vinden van de juiste balans tussen deze belangen is voor veel bedrijven een flinke uitdaging, die kan worden verkleind door data slim te gebruiken.
Blinde vlek
Een voorbeeld uit de praktijk: een fabriek heeft een handvol slimme machines die een product in elkaar zetten, maar heeft een ‘blinde vlek’ voor wat er op de transportbanden tússen deze slimme machines gebeurt. Het is wel duidelijk dat er op deze plek ook zaken misgaan, die regelmatig zorgen voor verstoring van het proces.
Op dit moment worden er daarom op ad-hocbasis operators naast de band gezet, die urenlang de band in de gaten moeten houden. Als het probleem dan niet optreedt in dat tijdsbestek, is dat verloren tijd.
Visuele detectie
Daarom ging de fabriek samen met SAS op zoek naar een slimme manier om de transportbanden geautomatiseerd in de gaten te houden. SAS ontwikkelde een detectiesysteem waarbij camerasystemen de productie- en transportlijnen 24 uur per dag monitoren. Vervolgens wordt computer vision gebruikt om te ‘zien’ wat er op de transportbanden gebeurt.
Zodra er ergens in het proces een afwijking plaatsvindt (bijvoorbeeld als de producten niet geordend op de band staan of niet de juiste eigenschappen hebben), slaat het systeem automatisch alarm en kan een menselijke operator alsnog snel ingrijpen.
Het nieuwe systeem kan realtime analyses uitvoeren op de soms snelle transportbanden en ook inzichten geven over de tijd heen. De operator kan de vrijgekomen tijd nu nuttiger besteden, bijvoorbeeld door na te denken over verdere procesoptimalisaties, onder andere aan de hand van data uit dit systeem.
3. Blyott: optimale inzet van medische hulpmiddelen
Van rolstoelen tot pijnpompen, van bedden tot hartbewakingsmachines: het gemiddelde ziekenhuis heeft doorgaans duizenden medische hulpmiddelen in gebruik. Een ziekenhuis met vijfhonderd bedden beschikt al gauw over een slordige vijfduizend assets. Het beheer van al die hulpmiddelen is vaak een flinke uitdaging. Waar bevindt welk materieel zich? Zorgmedewerkers die niet snel het juiste hulpmiddel kunnen lokaliseren, verliezen daardoor vaak kostbare tijd.
Exacte locatie bepalen
Blyott biedt een Internet of Things-oplossing voor het realtime lokaliseren van medische assets aan. Dat gebeurt op basis van betaalbare bluetooth-tags en -ontvangers die bijvoorbeeld al zitten in een wifi access point. Op deze manier kan de exacte locatie van elk medisch hulpmiddel worden weergegeven. Vervolgens kunnen er met het SAS Viya-platform inzichten uit deze data worden gehaald.
Het juiste middel op de juiste plek
De ziekenhuizen die inmiddels gebruikmaken van deze IoT-oplossing hebben nu veel beter zicht op waar hun voorraad aan medische hulpmiddelen zich bevindt. Dat levert in de eerste plaats voordeel op voor de zorgverlener en de patiënt; die hebben de zekerheid dat een medisch hulpmiddel snel op de plek is waar dit op een bepaald moment het hardst nodig is.
Maar ook voor het ziekenhuis als organisatie biedt deze datagedreven oplossing aanzienlijke voordelen. Zo heeft het ziekenhuis de zekerheid dat de doorgaans dure hulpmiddelen optimaal worden ingezet.
Flinke besparingen
Bovendien ontstaat dankzij de groeiende hoeveelheid data steeds beter inzicht in de logistieke stromen binnen het ziekenhuis, die daardoor verder kunnen worden geoptimaliseerd. En doordat het ziekenhuis nu voortdurend inzicht heeft in de status van zijn assets, zorgt het platform voor een optimaal aankoop- en onderhoudsbeleid.
Hulpmiddelen worden immers niet meer vervangen omdat ze ‘kwijt’ zouden zijn. Ook worden hulpmiddelen op het juiste moment onderhouden, waardoor ze langer meegaan. Op deze manieren bespaart het ziekenhuis veel kosten en tijd, en biedt het ook voor medewerkers en patiënten verschillende voordelen.
4. Rijkswaterstaat: klaar voor de toekomst
Veel infrastructurele assets in Nederland (zoals bruggen, tunnels en sluizen) stammen uit de jaren net voor of net na de oorlog. De komende decennia moeten al deze objecten worden aangepakt, zodat hun levensduur wordt verlengd en de veiligheid gegarandeerd blijft. Dat is een flinke opgave, zeker in het dichtbevolkte en waterrijke Nederland.
Onderhoudsbehoefte inschatten
Rijkswaterstaat is, als onderdeel van het ministerie van Infrastructuur en Waterstaat, verantwoordelijk voor het onderhoud van de Nederlandse infrastructuur. Om de actuele onderhoudsbehoefte zo goed mogelijk te kunnen inschatten, wordt gebruikgemaakt van slimme sensoren. Die verzamelen continu data over de staat van bruggen, tunnels en sluizen. Met behulp van het SAS Viya-platform kan steeds beter worden ingeschat en zelfs voorspeld worden waar en wanneer er onderhoud nodig is.
Predictive maintenance
Deze geavanceerde vorm van predictive maintenance zorgt ervoor dat Rijkswaterstaat zijn medewerkers veel efficiënter kan inzetten op plaatsen waar dat op dat moment het meest nodig is. Bovendien verkleint deze datagedreven werkwijze de kans dat infrastructurele assets het plotseling begeven, waardoor bijvoorbeeld wegen voor langere tijd moeten worden afgesloten. Sowieso kunnen onderhoudswerkzaamheden nu veel gerichter worden ingepland, waardoor de impact voor (vaar)weggebruikers wordt geminimaliseerd.
5. Amsterdam UMC: naar gepersonaliseerde zorg
Snel en nauwkeurig inzicht krijgen in hoe patiënten met kanker reageren op een bepaalde behandeling: dat is het doel van meerdere projecten die SAS samen met specialisten van het Amsterdam UMC uitvoert.
Inzet van AI voor behandeling van kanker
Het zogenoemde CAESAR-project richt zich daarbij specifiek op patiënten met uitgezaaide darmkanker in de lever. Het door SAS en het ziekenhuis ontwikkelde AI-model analyseert, op basis van computer vision, CT-scans vóór en na systemische chemotherapie.
Zo wordt zichtbaar hoe de tumor op de behandeling reageert. Doordat de behandelend arts snel en nauwkeurig inzicht heeft in het totale tumorvolume (tot op het niveau van individuele 3D-pixels), kan er snel een gefundeerde beslissing worden genomen over de eventuele vervolgbehandeling.
Een ander, vergelijkbaar project binnen het Amsterdam UMC richt zich op patiënten met alvleesklierkanker, een ziekte met een zeer kleine overlevingskans. Bij patiënten wordt een stukje weefsel uit het lichaam genomen (biopsie) en onder een microscoop gescand. Ook hier kan een snelle, op basis van AI uitgevoerde analyse van tumorweefsel ervoor zorgen dat de behandeling kan worden geoptimaliseerd.
Personalized medicine
De toepassing van AI bij het analyseren van medische beelden past binnen de bredere beweging richting personalized medicine. Hierbij wordt de behandeling zo goed mogelijk afgestemd op de individuele patiënt, terwijl de eindverantwoordelijkheid voor het stellen van de juiste diagnose te allen tijde blijft liggen bij de behandelend arts.
Steeds meer toepassingen
Het aantal concrete toepassingen van slimme sensoren en IoT, computer vision en AI groeit al met al aanzienlijk. Dat ziet ook Rik de Ruiter, data scientist van SAS: ‘Sensoren worden steeds geavanceerder en nauwkeuriger en stellen ons steeds beter in staat om de wereld om ons heen tot in detail in kaart te brengen. Dankzij de enorme ontwikkelingen op het gebied van analytics en kunstmatige intelligentie kunnen we de data die deze sensoren genereren ook steeds sneller en efficiënter analyseren.’
De voorbeelden laten volgens De Ruiter zien dat de concrete toepassing van dit soort oplossingen zich niet laat beperken tot specifieke sectoren en industrieën. ‘Van gezondheidszorg tot de overheid en productiebedrijven: onze oplossingen op het gebied van analytics kennen ontzettend veel praktische toepassingsmogelijkheden. Alles wat je kunt meten, kun je ook analyseren en gebruiken om te komen tot betere inzichten. De wereld met slimme technologie elke dag een stukje beter maken: dát is waar we voor staan.’
Dit artikel wordt u aangeboden door
SAS
Heb jij een uitdaging op het gebied van data, analytics of AI waarmee je wilt bijdragen aan een duurzamere of gezondere wereld? SAS D[N]A Lab helpt je om jouw datagedreven innovatie naar een hoger niveau te brengen. We noemen dat een innoventure, een gezamenlijk avontuur dat start met innoveren.
Meer info
