SlideShare a Scribd company logo
IoT en Zorg
Concepten en
Ideeën uit
andere
bedrijfstakken
WHO AM I?
2IoT en Zorg Concepten en Ideeën uit andere bedrijfstakken
Robbrecht van Amerongen
IoT Enthousiast
Augmented reality geek
Blockchain fan
linkedin.com/in/robbrecht
robbrecht@conclusion.nl
+31 6 41010286
Download deze slides op http://tiny.cc/iotzorg
IoT en Zorg Concepten en Ideeën uit andere bedrijfstakken 3
IoT en Zorg Concepten en Ideeën uit andere bedrijfstakken 4
Context … perfect storm
• Mobiel Internet is overall beschikbaar
• De kosten voor connectiviteit zijn erg lag
• Meer “dingen” krijgen sensors
• Kosten van data opslag (Big Data) in de
cloud gaan omlaag
• Kennis van algoritmes en machine
learning groeit
Dit maakt de situatie ideaal
voor Internet of Things
Wat
• In 2020 zijn er 26 miljard connected devices...
• In je auto gemiddeld 30 sensors (Tesla 100+)
• Telefoon 8 (temperatuur, accelerometrie, licht,
druk, magnetisch, proximity, gyroscoop)
• Toilet (beweging, zeep, handdoek, klimaat)
• In de weg / matrixborden
• ……
Waar
REALTIMEDATA
BI-DIRECTIONAL
THE SMART HOSPITAL SOLUTION
INTELLIGENT CONTEXT CONTROL
OPERATIONAL VISUALISATION
IoT.nxt EDGE DATA ORCHESTRATION LAYER
SECURITY
THEATRE
MONITORING
ASSET
TRACKING EQUIPMEN
T
MONITORIN
G
FACILITIES
MANAGEMEN
T
DOCTOR/PATIE
NT PLANNING
AND LOCATION
VACCINE
TEMP
MONITORI
NG
VEHICLE
TRACKING
EDGE EDGEEDGE EDGE EDGE EDGE EDGE
Titel van de presentatie 6
Wie is hier….?
GROEI IN TECHNOLOGIE EN ORGANISATIES
“Management dient zorgvuldig te kiezen welke technologische veranderingen te adopteren”
You can change the curve..
VERANDERING
TIJD
ORGANISATORISCHE VERANDERING
TECHNOLOGISCHE
VERANDERING
RESET
MARTEC’S LAW
55% van de organisaties heeft geen actueel
inzicht in de uitvoering van bedrijfsprocessen door de
inrichting van het huidige IT-
applicatielandschap
Titel van de presentatie 8
Bron: SaaS Enablement Benchmark AMIS
91% van de organisaties slaat dezelfde
gegevens op in verschillende applicaties
In 50% van de gevallen gebeurt dit zelfs handmatig
Titel van de presentatie 9
Bron: SaaS Enablement Benchmark AMIS
>80% van de ondervraagden moet meerdere
applicaties raadplegen voor informatie die nodig is
voor hun werk
Titel van de presentatie 10
Bron: SaaS Enablement Benchmark AMIS
7 van de 10 organisaties heeft regelmatig
problemen met de datakwaliteit
Titel van de presentatie 11
Bron: SaaS Enablement Benchmark AMIS
75% wil UI beter afstemmen op
werkzaamheden
85% vindt dat UI simpeler, intuïtiever
en eenvoudiger te leren moet zijn
>60% wil UI met een
modernere look and feel
Titel van de presentatie 12
Bron: SaaS Enablement Benchmark AMIS
60% van de organisaties wil aan de slag met
Big Data en Machine Learning
Titel van de presentatie 13
Bron: SaaS Enablement Benchmark AMIS
Titel van de presentatie 14
Wat valt op in de Zorg?
Gezien vanuit de klant:
• Productiemiddelen zijn het duur
• Optimale benutting van de productiemiddelen
• We accepteren voorraadvorming
• Veel meten met veel verschillende systemen
Titel van de presentatie 15
Koppel aspecten van moderne productie op medische wereld
Stuur op doorstroming in plaats van op output maximalisatie
Integrale kwaliteitscontrole
Continu meten en direct bijstellen
Just-in-Time productie
Dynamische planning
Zelfbediening / Zelfplanning
Onderhoud en inspectie op basis van gebruik in plaats van op basis van
statische elementen
Titel van de presentatie 16
Hisotrisch perspectief
Titel van de presentatie 17
"galvanometer"(1849)
Elektrocardiogram (1900)
Willem Einthoven
ECG
Body augmentation
Titel van de presentatie 18
Meten en herkennen van dingen
Titel van de presentatie 19
Context
• 20% te veel apparatuur omdat ze het niet kunnen vinden
• 15% van de operaties gaat niet door ondanks dat de patiënt er wel is
• 15% van de medische apparatuur wordt te vroeg onderhouden
• Gemiddeld heeft een medicus met 5 verschillende systemen voor patiënt
data te maken.
Titel van de presentatie 20
Actuele thema’s
• Energiebesparing
• Hogere efficiëntie
• Data gedreven dienstverlening / digitalisering
• Hogere kwaliteit
• Vinden van verbanden door het toepassen van algoritmes
• In de context van
• privacy / security.
• Zelfstandigheid / zelfredzaamheid patiënt
Titel van de presentatie 21
Integreren van de gegevens
• Niet het meten….. Maar het beschikbaar
krijgen van de gegevens is de uitdaging
• En als je de gegevens dan hebt
• Waar kijk je dan naar.
• Wat is de timestamp
• Wat doe je bij conflicterende waarden
• Hoe is de trend
• Wat doe je bij historische gegevens die bij
een andere organisatie zijn ontstaan
• Wie mag naar mij kijken.
• Hoe correleer ik deze data samen met de
data uit andere bronnen ?
Titel van de presentatie 22
Koppel industrie standaarden op de zorg
• Generiek datamodel .. Tot in de kern doorvoeren.
• Digital Twin… een digitaal model van de werkelijkheid
• Digitaal data model van de geïntegreerde werkelijkheid
• Metadata
• Actuele data
• Historische data
• Anomalie detectie
Titel van de presentatie 23
Gemeenschappelijk data platform
• Gemeenschappelijk data platform met conclusies en daaroverheen
een lag met plug-ins die specifiek zijn voor een bepaalde meting of
patiënt.
• Maar ook een geïntegreerd beeld van alle apparatuur in het
ziekenhuis
• Start eenvoudig:
• Waar is het
• Wat is het
• Wat is de status (in gebruik / niet in gebruik / defect / onderhoud)
• Wat is het gebruik geweest (aantal draaiuren)
• Additioneel
Titel van de presentatie 24
Wat voor oplossingen zouden werken
• Een overicht met alle aparatuur in het ziekenhuis (locatie, status, gebruik)
• 1 facebook timeline van de patiënt met al (al) zijn gebeurtenissen
• Detecteren wanneer er afwijkingen zijn
• Koppelen op één dashboard
• Leren van menselijke interactie en dit automatiseren
Titel van de presentatie 25
REALTIMEDATA
BI-DIRECTIONAL
THE SMART HOSPITAL SOLUTION
INTELLIGENT CONTEXT CONTROL
OPERATIONAL VISUALISATION
IoT.nxt EDGE DATA ORCHESTRATION LAYER
SECURITY
THEATRE
MONITORING
ASSET
TRACKING EQUIPMEN
T
MONITORIN
G
FACILITIES
MANAGEMEN
T
DOCTOR/PATIE
NT PLANNING
AND LOCATION
VACCINE
TEMP
MONITORI
NG
VEHICLE
TRACKING
EDGE EDGEEDGE EDGE EDGE EDGE EDGE
Maar hoe start je dan ?
• Denk platform, niet oplossing
• Ecosysteem (niet 1 partij is de baas)
• Gebruikt de kracht van de experts
• Start onschuldig …. En dan verder uitbreiden…
• Toets op iets eenvoudigs
• Geïntegreerde aanpak, denk verder
Titel van de presentatie 27
Concrete voorbeelden
• Traceren van de locatie van apparatuur
• Monitoren van het gebruik
• Integrale klimaat beheersing / lucht kwaliteit
• 100% controle bij sterilisatie / clean before OK
• Traceren van herkomst van middelen
• Real time patiënt inzicht
• Combineren van data tot 1 geheel
• Onderhoud op basis van verrichtingen, niet op tijd
• Dossier + data + metadata bij elkaar
• Meten van prestaties en direct ingrijpen
Titel van de presentatie 28
Voorbeeld van geïntegreerd model
Titel van de presentatie 29
INTERNET OF THINGS (IoT)
Introductie AMIS 30
“Een bijzondere vorm van integratie; data van machines integreren in het IT-landschap”
Introductie AMIS 31
Toepassingen IoT
• Verbeteren efficiëntie
- Real time monitoring
- lokaliseren objecten
• Kostenreductie
- Verminderen fysieke controle
- Gebruik niet-active apparatuur
- Betere inschatting voorraad
• Betere besluitvorming
- Volledige weergave fysieke wereld in
digitale wereld
- Verbeteren forecasts
- Oorzaak-gevolg analyses
• Verbeteren duurzaamheid
- Meten duurzaamheidsdoelstellingen
• - Energie-efficiëntie (productie)processen-
Ontwikelstappen
• Status informatie / signaleren uitval
• Minder controles
• Inzicht in gebruik
Monitoring
• Voorspellen van uitval
• Gecombineerde data
• Uitval door combinatie van factoren
Predictive
• Voorkomen van uitval
• Tijdig onderhoud in reguliere service windows
• Minder kosten voor service
Preventive
• Zelfstandige operatie / bijsturen
• Machines bestellen zelf onderdelen en service
• Machines communiceren direct met elkaar
Autonomous
Introductie AMIS 32
Solutions :
Asset Management Condition Monitoring
Solutions :
Predictive Maintenance Continuous Inspections
Solutions :
Climate monitoring Capacity management
Solutions :
Flow Control / crowd control
IN DE PRAKTIJK
Introductie AMIS 37
Zichtbaarheid Monitoring
IN DE PRAKTIJK
Introductie AMIS 38
VoorspellendIncidenten
Conclusie / tips
• Benader data mechanisch
• Leer vanuit andere industrieën
• Combineer data
• Denk als platform
• Focus op uitzonderingen
• Leer van data
• Vraag altijd om API bij een nieuw system
Titel van de presentatie 39
Titel van de presentatie 40
robbrecht@conclusion.nl
06-41010286
Reserve slides
Titel van de presentatie 41
IoT Platform Building Blocks
IoT 42
Continuous Delivery & Provisioning & Governance & Versioning
Device
Connectivity
Stream
Processing
Telemetry
Data Lake
Digital Twin
Internal
Dashboard
Device
Management
IoT
Gateway
Physical
Devices
Connectivity
Edge (Fog)
Computing
Data
Accumulation
Data
Abstraction
Application
Devices /
Sensors
Data
Aggregation
Collaboration /
Processes
Cloud
Connectivity
Fog Computing
Business
APIs
Analytics
External
Dashboard
System of
Records
Time Series
Database
Back Office
REIS NAAR DE CLOUD
Introductie AMIS 43
How to start and how to scale?
IoT 44
Proof of
Concept
Minimal Viable
Product
DevOps
Standardized
Service
• Customer interest
• Scope defined
• Idea clear
• Customer confirmed
• Basic Business case
• IT Engaged
• Business Case
• Architecture verified
• Legal engaged
• Security verified
• Governance determined
• Marketing and sales
• Legal
• Security
• Process
• Governance
Ideas
Gartner about IoT Platforms
IoT 45
Summit 2017 / Berlin
IoT Architecture Fit-for-Purpose
When to use IoT PaaS or SaaS?
Selection criteria:
• R & D / Innovation
• Business strategy <-> IoT strategy
• Business Case
• TCO
• Evolutionary Model
• Knowledge
• Time-2-Market
• Current architecture landscape
• Integration
• Platform maturity
IoT 46
SaaS
Organic Architecture
Clear Architecture
IoT Platform Leaderboard
IoT 47
Navigant Research Leaderboard: IoT Platform Vendors Q4-2017 Focus Platforms
• Microsoft Azure PaaS and SaaS
• Oracle PaaS and SaaS
• AWS PaaS
Your Company
IoT Platform Architecture positioning in IT Landscape
IoT 48
Digital TwinBack Office
IoT Platform
Dashboards and Portal
API
Platform
Collaboration / Process Integration
Participating
Companies
Customers
IoT Platform Building Blocks
IoT 49
Continuous Delivery & Provisioning & Governance & Versioning
Device
Connectivity
Stream
Processing
Telemetry
Data Lake
Digital Twin
Internal
Dashboard
Device
Management
IoT
Gateway
Physical
Devices
Connectivity
Edge (Fog)
Computing
Data
Accumulation
Data
Abstraction
Application
Devices /
Sensors
Data
Aggregation
Collaboration /
Processes
Cloud
Connectivity
Fog Computing
Business
APIs
Analytics
External
Dashboard
System of
Records
Time Series
Database
Back Office
Fog Computing
IoT 50
Fog bridges the cloud-to-things continuum
https://youtu.be/tuo5Pxc4w3c
Example Serverless IoT Architecture
IoT 51
Function AppAPI GatewaySmart Sensor Data Lake
Hot Path vs Cold Path Data Processing
IoT 52
Streaming Analytics
Data Lake
Event HubIoT Hub
Consumers
Smart Sensor
Data Lake Analytics
Data Factory Cosmos DB
Consumers
Analytics / Machine Learning
IoT 53
Machine Learning:
• A model made by humans from analytics
practice.
• The application of this model in such a
way that a conclusion is made by a
machine (instead of a human).
Machine Learning
IoT 54
Data Lake
ML
Streaming AnalyticsIoT HubSmart Sensor
Data Factory
Event Hub
Azure IoT Edge
IoT 55
Device Connectivity
Titel van de presentatie 56
1. Direct device connectivity to the
cloud gateway
2. Connectivity via a field gateway
3. Connectivity via a custom cloud
gateway
4. Connectivity via a field gateway
and a custom cloud gateway
IoT 57

More Related Content

Similar to Iot in de zorg the next step - fit for purpose

Privacy het nieuwe groen | KNVI afdeling IT-audit | definitief
Privacy het nieuwe groen | KNVI afdeling IT-audit | definitiefPrivacy het nieuwe groen | KNVI afdeling IT-audit | definitief
Privacy het nieuwe groen | KNVI afdeling IT-audit | definitief
Richard Claassens CIPPE
 
PGGM - The Future Explore
PGGM - The Future ExplorePGGM - The Future Explore
PGGM - The Future Explore
BigDataExpo
 
Presentatie Tom Bouws
Presentatie Tom BouwsPresentatie Tom Bouws
Presentatie Tom Bouws
Lisette van Beusekom
 
Next step in BI - a new era of information capabilities
Next step in BI - a new era of information capabilitiesNext step in BI - a new era of information capabilities
Next step in BI - a new era of information capabilities
Rolien Breeuwer
 
Digital twin (artificial intelligence)
Digital twin (artificial intelligence) Digital twin (artificial intelligence)
Digital twin (artificial intelligence)
Özlem Avci
 
Webinar Towards the Digital Factory - Gerlinde Oversluizen
Webinar Towards the Digital Factory - Gerlinde Oversluizen Webinar Towards the Digital Factory - Gerlinde Oversluizen
Webinar Towards the Digital Factory - Gerlinde Oversluizen
HAN Lean-QRM Centrum / HAN Lectoraat Lean
 
Internet of Things - Smart Industry bijeenkomst bij Thales Nederland i.s.m. K...
Internet of Things - Smart Industry bijeenkomst bij Thales Nederland i.s.m. K...Internet of Things - Smart Industry bijeenkomst bij Thales Nederland i.s.m. K...
Internet of Things - Smart Industry bijeenkomst bij Thales Nederland i.s.m. K...
Michiel Verheij
 
Wat gebeurt er in “Data(keten)land”?
Wat gebeurt er in “Data(keten)land”?Wat gebeurt er in “Data(keten)land”?
Wat gebeurt er in “Data(keten)land”?
Sjaak Wolfert
 
Continuïteit in uw onderneming door connected producten - Big Data Expo 2019
Continuïteit in uw onderneming door connected producten - Big Data Expo 2019Continuïteit in uw onderneming door connected producten - Big Data Expo 2019
Continuïteit in uw onderneming door connected producten - Big Data Expo 2019
webwinkelvakdag
 
Seminar Simplified Security
Seminar Simplified SecuritySeminar Simplified Security
Presentatie Go Smart Industry, 04-09-2014 KvK Amsterdam
Presentatie Go Smart Industry, 04-09-2014 KvK AmsterdamPresentatie Go Smart Industry, 04-09-2014 KvK Amsterdam
Presentatie Go Smart Industry, 04-09-2014 KvK Amsterdam
tombouws
 
Mi connect 21 oktober 2014 Assisted Living
Mi connect 21 oktober 2014 Assisted LivingMi connect 21 oktober 2014 Assisted Living
Mi connect 21 oktober 2014 Assisted Living
D3 Consutling
 
Monitoring sucks
Monitoring sucksMonitoring sucks
Monitoring sucks
Jurgen van de Pol
 
Stork Webinar | Digital Twin
Stork Webinar | Digital TwinStork Webinar | Digital Twin
Stork Webinar | Digital Twin
Stork
 
Ton Brugmans - Stedin
Ton Brugmans - StedinTon Brugmans - Stedin
Ton Brugmans - Stedin
GuidoBacker1
 
10 trend in IT automation
10 trend in IT automation10 trend in IT automation
10 trend in IT automation
Rob Akershoek
 
FB_24-31_Ronald Damhof
FB_24-31_Ronald DamhofFB_24-31_Ronald Damhof
FB_24-31_Ronald DamhofPrudenza B.V
 
Nationale EuroCloud Monitor 2015 "Tussen Trotski en Troelstra"
Nationale EuroCloud Monitor 2015 "Tussen Trotski en Troelstra"Nationale EuroCloud Monitor 2015 "Tussen Trotski en Troelstra"
Nationale EuroCloud Monitor 2015 "Tussen Trotski en Troelstra"
Peter Vermeulen
 
Digitale delta v01 bevindingen en contouren mei2014
Digitale delta v01 bevindingen en contouren mei2014Digitale delta v01 bevindingen en contouren mei2014
Digitale delta v01 bevindingen en contouren mei2014Raymond Feron
 
KPN Cloud - whitepaper
KPN Cloud - whitepaperKPN Cloud - whitepaper
KPN Cloud - whitepaper
KPNZorg
 

Similar to Iot in de zorg the next step - fit for purpose (20)

Privacy het nieuwe groen | KNVI afdeling IT-audit | definitief
Privacy het nieuwe groen | KNVI afdeling IT-audit | definitiefPrivacy het nieuwe groen | KNVI afdeling IT-audit | definitief
Privacy het nieuwe groen | KNVI afdeling IT-audit | definitief
 
PGGM - The Future Explore
PGGM - The Future ExplorePGGM - The Future Explore
PGGM - The Future Explore
 
Presentatie Tom Bouws
Presentatie Tom BouwsPresentatie Tom Bouws
Presentatie Tom Bouws
 
Next step in BI - a new era of information capabilities
Next step in BI - a new era of information capabilitiesNext step in BI - a new era of information capabilities
Next step in BI - a new era of information capabilities
 
Digital twin (artificial intelligence)
Digital twin (artificial intelligence) Digital twin (artificial intelligence)
Digital twin (artificial intelligence)
 
Webinar Towards the Digital Factory - Gerlinde Oversluizen
Webinar Towards the Digital Factory - Gerlinde Oversluizen Webinar Towards the Digital Factory - Gerlinde Oversluizen
Webinar Towards the Digital Factory - Gerlinde Oversluizen
 
Internet of Things - Smart Industry bijeenkomst bij Thales Nederland i.s.m. K...
Internet of Things - Smart Industry bijeenkomst bij Thales Nederland i.s.m. K...Internet of Things - Smart Industry bijeenkomst bij Thales Nederland i.s.m. K...
Internet of Things - Smart Industry bijeenkomst bij Thales Nederland i.s.m. K...
 
Wat gebeurt er in “Data(keten)land”?
Wat gebeurt er in “Data(keten)land”?Wat gebeurt er in “Data(keten)land”?
Wat gebeurt er in “Data(keten)land”?
 
Continuïteit in uw onderneming door connected producten - Big Data Expo 2019
Continuïteit in uw onderneming door connected producten - Big Data Expo 2019Continuïteit in uw onderneming door connected producten - Big Data Expo 2019
Continuïteit in uw onderneming door connected producten - Big Data Expo 2019
 
Seminar Simplified Security
Seminar Simplified SecuritySeminar Simplified Security
Seminar Simplified Security
 
Presentatie Go Smart Industry, 04-09-2014 KvK Amsterdam
Presentatie Go Smart Industry, 04-09-2014 KvK AmsterdamPresentatie Go Smart Industry, 04-09-2014 KvK Amsterdam
Presentatie Go Smart Industry, 04-09-2014 KvK Amsterdam
 
Mi connect 21 oktober 2014 Assisted Living
Mi connect 21 oktober 2014 Assisted LivingMi connect 21 oktober 2014 Assisted Living
Mi connect 21 oktober 2014 Assisted Living
 
Monitoring sucks
Monitoring sucksMonitoring sucks
Monitoring sucks
 
Stork Webinar | Digital Twin
Stork Webinar | Digital TwinStork Webinar | Digital Twin
Stork Webinar | Digital Twin
 
Ton Brugmans - Stedin
Ton Brugmans - StedinTon Brugmans - Stedin
Ton Brugmans - Stedin
 
10 trend in IT automation
10 trend in IT automation10 trend in IT automation
10 trend in IT automation
 
FB_24-31_Ronald Damhof
FB_24-31_Ronald DamhofFB_24-31_Ronald Damhof
FB_24-31_Ronald Damhof
 
Nationale EuroCloud Monitor 2015 "Tussen Trotski en Troelstra"
Nationale EuroCloud Monitor 2015 "Tussen Trotski en Troelstra"Nationale EuroCloud Monitor 2015 "Tussen Trotski en Troelstra"
Nationale EuroCloud Monitor 2015 "Tussen Trotski en Troelstra"
 
Digitale delta v01 bevindingen en contouren mei2014
Digitale delta v01 bevindingen en contouren mei2014Digitale delta v01 bevindingen en contouren mei2014
Digitale delta v01 bevindingen en contouren mei2014
 
KPN Cloud - whitepaper
KPN Cloud - whitepaperKPN Cloud - whitepaper
KPN Cloud - whitepaper
 

More from Getting value from IoT, Integration and Data Analytics

AMIS Oracle OpenWorld en Code One Review 2018 - Blockchain, Integration, Serv...
AMIS Oracle OpenWorld en Code One Review 2018 - Blockchain, Integration, Serv...AMIS Oracle OpenWorld en Code One Review 2018 - Blockchain, Integration, Serv...
AMIS Oracle OpenWorld en Code One Review 2018 - Blockchain, Integration, Serv...
Getting value from IoT, Integration and Data Analytics
 
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: Custom Application ...
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: Custom Application ...AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: Custom Application ...
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: Custom Application ...
Getting value from IoT, Integration and Data Analytics
 
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: SaaS
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: SaaSAMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: SaaS
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: SaaS
Getting value from IoT, Integration and Data Analytics
 
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Data
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: DataAMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Data
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Data
Getting value from IoT, Integration and Data Analytics
 
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Cloud Infrastructure
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Cloud Infrastructure AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Cloud Infrastructure
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Cloud Infrastructure
Getting value from IoT, Integration and Data Analytics
 
10 tips voor verbetering in je Linkedin profiel
10 tips voor verbetering in je Linkedin profiel10 tips voor verbetering in je Linkedin profiel
10 tips voor verbetering in je Linkedin profiel
Getting value from IoT, Integration and Data Analytics
 
Iot overview .. Best practices and lessons learned by Conclusion Conenct
Iot overview .. Best practices and lessons learned by Conclusion Conenct Iot overview .. Best practices and lessons learned by Conclusion Conenct
Iot overview .. Best practices and lessons learned by Conclusion Conenct
Getting value from IoT, Integration and Data Analytics
 
IoT Fit for purpose - how to be successful in IOT Conclusion Connect
IoT Fit for purpose - how to be successful in IOT Conclusion Connect IoT Fit for purpose - how to be successful in IOT Conclusion Connect
IoT Fit for purpose - how to be successful in IOT Conclusion Connect
Getting value from IoT, Integration and Data Analytics
 
Industry and IOT Overview of protocols and best practices Conclusion Connect
Industry and IOT Overview of protocols and best practices  Conclusion ConnectIndustry and IOT Overview of protocols and best practices  Conclusion Connect
Industry and IOT Overview of protocols and best practices Conclusion Connect
Getting value from IoT, Integration and Data Analytics
 
IoT practical case using the people counter sensing traffic density build usi...
IoT practical case using the people counter sensing traffic density build usi...IoT practical case using the people counter sensing traffic density build usi...
IoT practical case using the people counter sensing traffic density build usi...
Getting value from IoT, Integration and Data Analytics
 
R introduction decision_trees
R introduction decision_treesR introduction decision_trees
Introduction overviewmachinelearning sig Door Lucas Jellema
Introduction overviewmachinelearning sig Door Lucas JellemaIntroduction overviewmachinelearning sig Door Lucas Jellema
Introduction overviewmachinelearning sig Door Lucas Jellema
Getting value from IoT, Integration and Data Analytics
 
IoT and the Future of work
IoT and the Future of work IoT and the Future of work
Oracle OpenWorld 2017 Review (31st October 2017 - 250 slides)
Oracle OpenWorld 2017 Review (31st October 2017 - 250 slides)Oracle OpenWorld 2017 Review (31st October 2017 - 250 slides)
Oracle OpenWorld 2017 Review (31st October 2017 - 250 slides)
Getting value from IoT, Integration and Data Analytics
 
Ethereum smart contracts - door Peter Reitsma
Ethereum smart contracts - door Peter ReitsmaEthereum smart contracts - door Peter Reitsma
Ethereum smart contracts - door Peter Reitsma
Getting value from IoT, Integration and Data Analytics
 
Blockchain - Techniek en usecases door Robert van Molken - AMIS - Conclusion
Blockchain - Techniek en usecases door Robert van Molken - AMIS - ConclusionBlockchain - Techniek en usecases door Robert van Molken - AMIS - Conclusion
Blockchain - Techniek en usecases door Robert van Molken - AMIS - Conclusion
Getting value from IoT, Integration and Data Analytics
 
kennissessie blockchain - Wat is Blockchain en smart contracts @Conclusion
kennissessie blockchain -  Wat is Blockchain en smart contracts @Conclusion kennissessie blockchain -  Wat is Blockchain en smart contracts @Conclusion
kennissessie blockchain - Wat is Blockchain en smart contracts @Conclusion
Getting value from IoT, Integration and Data Analytics
 
Internet of Things propositie - Enterprise IOT - AMIS - Conclusion
Internet of Things propositie - Enterprise IOT - AMIS - Conclusion Internet of Things propositie - Enterprise IOT - AMIS - Conclusion
Internet of Things propositie - Enterprise IOT - AMIS - Conclusion
Getting value from IoT, Integration and Data Analytics
 
Omc AMIS evenement 26012017 Dennis van Soest
Omc AMIS evenement 26012017 Dennis van SoestOmc AMIS evenement 26012017 Dennis van Soest
Omc AMIS evenement 26012017 Dennis van Soest
Getting value from IoT, Integration and Data Analytics
 
Oow2016 review-db-dev-bigdata-BI
Oow2016 review-db-dev-bigdata-BIOow2016 review-db-dev-bigdata-BI

More from Getting value from IoT, Integration and Data Analytics (20)

AMIS Oracle OpenWorld en Code One Review 2018 - Blockchain, Integration, Serv...
AMIS Oracle OpenWorld en Code One Review 2018 - Blockchain, Integration, Serv...AMIS Oracle OpenWorld en Code One Review 2018 - Blockchain, Integration, Serv...
AMIS Oracle OpenWorld en Code One Review 2018 - Blockchain, Integration, Serv...
 
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: Custom Application ...
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: Custom Application ...AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: Custom Application ...
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: Custom Application ...
 
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: SaaS
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: SaaSAMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: SaaS
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 2: SaaS
 
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Data
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: DataAMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Data
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Data
 
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Cloud Infrastructure
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Cloud Infrastructure AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Cloud Infrastructure
AMIS Oracle OpenWorld en Code One Review 2018 - Pillar 1: Cloud Infrastructure
 
10 tips voor verbetering in je Linkedin profiel
10 tips voor verbetering in je Linkedin profiel10 tips voor verbetering in je Linkedin profiel
10 tips voor verbetering in je Linkedin profiel
 
Iot overview .. Best practices and lessons learned by Conclusion Conenct
Iot overview .. Best practices and lessons learned by Conclusion Conenct Iot overview .. Best practices and lessons learned by Conclusion Conenct
Iot overview .. Best practices and lessons learned by Conclusion Conenct
 
IoT Fit for purpose - how to be successful in IOT Conclusion Connect
IoT Fit for purpose - how to be successful in IOT Conclusion Connect IoT Fit for purpose - how to be successful in IOT Conclusion Connect
IoT Fit for purpose - how to be successful in IOT Conclusion Connect
 
Industry and IOT Overview of protocols and best practices Conclusion Connect
Industry and IOT Overview of protocols and best practices  Conclusion ConnectIndustry and IOT Overview of protocols and best practices  Conclusion Connect
Industry and IOT Overview of protocols and best practices Conclusion Connect
 
IoT practical case using the people counter sensing traffic density build usi...
IoT practical case using the people counter sensing traffic density build usi...IoT practical case using the people counter sensing traffic density build usi...
IoT practical case using the people counter sensing traffic density build usi...
 
R introduction decision_trees
R introduction decision_treesR introduction decision_trees
R introduction decision_trees
 
Introduction overviewmachinelearning sig Door Lucas Jellema
Introduction overviewmachinelearning sig Door Lucas JellemaIntroduction overviewmachinelearning sig Door Lucas Jellema
Introduction overviewmachinelearning sig Door Lucas Jellema
 
IoT and the Future of work
IoT and the Future of work IoT and the Future of work
IoT and the Future of work
 
Oracle OpenWorld 2017 Review (31st October 2017 - 250 slides)
Oracle OpenWorld 2017 Review (31st October 2017 - 250 slides)Oracle OpenWorld 2017 Review (31st October 2017 - 250 slides)
Oracle OpenWorld 2017 Review (31st October 2017 - 250 slides)
 
Ethereum smart contracts - door Peter Reitsma
Ethereum smart contracts - door Peter ReitsmaEthereum smart contracts - door Peter Reitsma
Ethereum smart contracts - door Peter Reitsma
 
Blockchain - Techniek en usecases door Robert van Molken - AMIS - Conclusion
Blockchain - Techniek en usecases door Robert van Molken - AMIS - ConclusionBlockchain - Techniek en usecases door Robert van Molken - AMIS - Conclusion
Blockchain - Techniek en usecases door Robert van Molken - AMIS - Conclusion
 
kennissessie blockchain - Wat is Blockchain en smart contracts @Conclusion
kennissessie blockchain -  Wat is Blockchain en smart contracts @Conclusion kennissessie blockchain -  Wat is Blockchain en smart contracts @Conclusion
kennissessie blockchain - Wat is Blockchain en smart contracts @Conclusion
 
Internet of Things propositie - Enterprise IOT - AMIS - Conclusion
Internet of Things propositie - Enterprise IOT - AMIS - Conclusion Internet of Things propositie - Enterprise IOT - AMIS - Conclusion
Internet of Things propositie - Enterprise IOT - AMIS - Conclusion
 
Omc AMIS evenement 26012017 Dennis van Soest
Omc AMIS evenement 26012017 Dennis van SoestOmc AMIS evenement 26012017 Dennis van Soest
Omc AMIS evenement 26012017 Dennis van Soest
 
Oow2016 review-db-dev-bigdata-BI
Oow2016 review-db-dev-bigdata-BIOow2016 review-db-dev-bigdata-BI
Oow2016 review-db-dev-bigdata-BI
 

Iot in de zorg the next step - fit for purpose

  • 1. IoT en Zorg Concepten en Ideeën uit andere bedrijfstakken
  • 2. WHO AM I? 2IoT en Zorg Concepten en Ideeën uit andere bedrijfstakken Robbrecht van Amerongen IoT Enthousiast Augmented reality geek Blockchain fan linkedin.com/in/robbrecht robbrecht@conclusion.nl +31 6 41010286 Download deze slides op http://tiny.cc/iotzorg
  • 3. IoT en Zorg Concepten en Ideeën uit andere bedrijfstakken 3
  • 4. IoT en Zorg Concepten en Ideeën uit andere bedrijfstakken 4 Context … perfect storm • Mobiel Internet is overall beschikbaar • De kosten voor connectiviteit zijn erg lag • Meer “dingen” krijgen sensors • Kosten van data opslag (Big Data) in de cloud gaan omlaag • Kennis van algoritmes en machine learning groeit Dit maakt de situatie ideaal voor Internet of Things Wat • In 2020 zijn er 26 miljard connected devices... • In je auto gemiddeld 30 sensors (Tesla 100+) • Telefoon 8 (temperatuur, accelerometrie, licht, druk, magnetisch, proximity, gyroscoop) • Toilet (beweging, zeep, handdoek, klimaat) • In de weg / matrixborden • …… Waar
  • 5. REALTIMEDATA BI-DIRECTIONAL THE SMART HOSPITAL SOLUTION INTELLIGENT CONTEXT CONTROL OPERATIONAL VISUALISATION IoT.nxt EDGE DATA ORCHESTRATION LAYER SECURITY THEATRE MONITORING ASSET TRACKING EQUIPMEN T MONITORIN G FACILITIES MANAGEMEN T DOCTOR/PATIE NT PLANNING AND LOCATION VACCINE TEMP MONITORI NG VEHICLE TRACKING EDGE EDGEEDGE EDGE EDGE EDGE EDGE
  • 6. Titel van de presentatie 6 Wie is hier….?
  • 7. GROEI IN TECHNOLOGIE EN ORGANISATIES “Management dient zorgvuldig te kiezen welke technologische veranderingen te adopteren” You can change the curve.. VERANDERING TIJD ORGANISATORISCHE VERANDERING TECHNOLOGISCHE VERANDERING RESET MARTEC’S LAW
  • 8. 55% van de organisaties heeft geen actueel inzicht in de uitvoering van bedrijfsprocessen door de inrichting van het huidige IT- applicatielandschap Titel van de presentatie 8 Bron: SaaS Enablement Benchmark AMIS
  • 9. 91% van de organisaties slaat dezelfde gegevens op in verschillende applicaties In 50% van de gevallen gebeurt dit zelfs handmatig Titel van de presentatie 9 Bron: SaaS Enablement Benchmark AMIS
  • 10. >80% van de ondervraagden moet meerdere applicaties raadplegen voor informatie die nodig is voor hun werk Titel van de presentatie 10 Bron: SaaS Enablement Benchmark AMIS
  • 11. 7 van de 10 organisaties heeft regelmatig problemen met de datakwaliteit Titel van de presentatie 11 Bron: SaaS Enablement Benchmark AMIS
  • 12. 75% wil UI beter afstemmen op werkzaamheden 85% vindt dat UI simpeler, intuïtiever en eenvoudiger te leren moet zijn >60% wil UI met een modernere look and feel Titel van de presentatie 12 Bron: SaaS Enablement Benchmark AMIS
  • 13. 60% van de organisaties wil aan de slag met Big Data en Machine Learning Titel van de presentatie 13 Bron: SaaS Enablement Benchmark AMIS
  • 14. Titel van de presentatie 14
  • 15. Wat valt op in de Zorg? Gezien vanuit de klant: • Productiemiddelen zijn het duur • Optimale benutting van de productiemiddelen • We accepteren voorraadvorming • Veel meten met veel verschillende systemen Titel van de presentatie 15
  • 16. Koppel aspecten van moderne productie op medische wereld Stuur op doorstroming in plaats van op output maximalisatie Integrale kwaliteitscontrole Continu meten en direct bijstellen Just-in-Time productie Dynamische planning Zelfbediening / Zelfplanning Onderhoud en inspectie op basis van gebruik in plaats van op basis van statische elementen Titel van de presentatie 16
  • 17. Hisotrisch perspectief Titel van de presentatie 17 "galvanometer"(1849) Elektrocardiogram (1900) Willem Einthoven ECG
  • 18. Body augmentation Titel van de presentatie 18
  • 19. Meten en herkennen van dingen Titel van de presentatie 19
  • 20. Context • 20% te veel apparatuur omdat ze het niet kunnen vinden • 15% van de operaties gaat niet door ondanks dat de patiënt er wel is • 15% van de medische apparatuur wordt te vroeg onderhouden • Gemiddeld heeft een medicus met 5 verschillende systemen voor patiënt data te maken. Titel van de presentatie 20
  • 21. Actuele thema’s • Energiebesparing • Hogere efficiëntie • Data gedreven dienstverlening / digitalisering • Hogere kwaliteit • Vinden van verbanden door het toepassen van algoritmes • In de context van • privacy / security. • Zelfstandigheid / zelfredzaamheid patiënt Titel van de presentatie 21
  • 22. Integreren van de gegevens • Niet het meten….. Maar het beschikbaar krijgen van de gegevens is de uitdaging • En als je de gegevens dan hebt • Waar kijk je dan naar. • Wat is de timestamp • Wat doe je bij conflicterende waarden • Hoe is de trend • Wat doe je bij historische gegevens die bij een andere organisatie zijn ontstaan • Wie mag naar mij kijken. • Hoe correleer ik deze data samen met de data uit andere bronnen ? Titel van de presentatie 22
  • 23. Koppel industrie standaarden op de zorg • Generiek datamodel .. Tot in de kern doorvoeren. • Digital Twin… een digitaal model van de werkelijkheid • Digitaal data model van de geïntegreerde werkelijkheid • Metadata • Actuele data • Historische data • Anomalie detectie Titel van de presentatie 23
  • 24. Gemeenschappelijk data platform • Gemeenschappelijk data platform met conclusies en daaroverheen een lag met plug-ins die specifiek zijn voor een bepaalde meting of patiënt. • Maar ook een geïntegreerd beeld van alle apparatuur in het ziekenhuis • Start eenvoudig: • Waar is het • Wat is het • Wat is de status (in gebruik / niet in gebruik / defect / onderhoud) • Wat is het gebruik geweest (aantal draaiuren) • Additioneel Titel van de presentatie 24
  • 25. Wat voor oplossingen zouden werken • Een overicht met alle aparatuur in het ziekenhuis (locatie, status, gebruik) • 1 facebook timeline van de patiënt met al (al) zijn gebeurtenissen • Detecteren wanneer er afwijkingen zijn • Koppelen op één dashboard • Leren van menselijke interactie en dit automatiseren Titel van de presentatie 25
  • 26. REALTIMEDATA BI-DIRECTIONAL THE SMART HOSPITAL SOLUTION INTELLIGENT CONTEXT CONTROL OPERATIONAL VISUALISATION IoT.nxt EDGE DATA ORCHESTRATION LAYER SECURITY THEATRE MONITORING ASSET TRACKING EQUIPMEN T MONITORIN G FACILITIES MANAGEMEN T DOCTOR/PATIE NT PLANNING AND LOCATION VACCINE TEMP MONITORI NG VEHICLE TRACKING EDGE EDGEEDGE EDGE EDGE EDGE EDGE
  • 27. Maar hoe start je dan ? • Denk platform, niet oplossing • Ecosysteem (niet 1 partij is de baas) • Gebruikt de kracht van de experts • Start onschuldig …. En dan verder uitbreiden… • Toets op iets eenvoudigs • Geïntegreerde aanpak, denk verder Titel van de presentatie 27
  • 28. Concrete voorbeelden • Traceren van de locatie van apparatuur • Monitoren van het gebruik • Integrale klimaat beheersing / lucht kwaliteit • 100% controle bij sterilisatie / clean before OK • Traceren van herkomst van middelen • Real time patiënt inzicht • Combineren van data tot 1 geheel • Onderhoud op basis van verrichtingen, niet op tijd • Dossier + data + metadata bij elkaar • Meten van prestaties en direct ingrijpen Titel van de presentatie 28
  • 29. Voorbeeld van geïntegreerd model Titel van de presentatie 29
  • 30. INTERNET OF THINGS (IoT) Introductie AMIS 30 “Een bijzondere vorm van integratie; data van machines integreren in het IT-landschap”
  • 31. Introductie AMIS 31 Toepassingen IoT • Verbeteren efficiëntie - Real time monitoring - lokaliseren objecten • Kostenreductie - Verminderen fysieke controle - Gebruik niet-active apparatuur - Betere inschatting voorraad • Betere besluitvorming - Volledige weergave fysieke wereld in digitale wereld - Verbeteren forecasts - Oorzaak-gevolg analyses • Verbeteren duurzaamheid - Meten duurzaamheidsdoelstellingen • - Energie-efficiëntie (productie)processen-
  • 32. Ontwikelstappen • Status informatie / signaleren uitval • Minder controles • Inzicht in gebruik Monitoring • Voorspellen van uitval • Gecombineerde data • Uitval door combinatie van factoren Predictive • Voorkomen van uitval • Tijdig onderhoud in reguliere service windows • Minder kosten voor service Preventive • Zelfstandige operatie / bijsturen • Machines bestellen zelf onderdelen en service • Machines communiceren direct met elkaar Autonomous Introductie AMIS 32
  • 33. Solutions : Asset Management Condition Monitoring
  • 34. Solutions : Predictive Maintenance Continuous Inspections
  • 35. Solutions : Climate monitoring Capacity management
  • 36. Solutions : Flow Control / crowd control
  • 37. IN DE PRAKTIJK Introductie AMIS 37 Zichtbaarheid Monitoring
  • 38. IN DE PRAKTIJK Introductie AMIS 38 VoorspellendIncidenten
  • 39. Conclusie / tips • Benader data mechanisch • Leer vanuit andere industrieën • Combineer data • Denk als platform • Focus op uitzonderingen • Leer van data • Vraag altijd om API bij een nieuw system Titel van de presentatie 39
  • 40. Titel van de presentatie 40 robbrecht@conclusion.nl 06-41010286
  • 41. Reserve slides Titel van de presentatie 41
  • 42. IoT Platform Building Blocks IoT 42 Continuous Delivery & Provisioning & Governance & Versioning Device Connectivity Stream Processing Telemetry Data Lake Digital Twin Internal Dashboard Device Management IoT Gateway Physical Devices Connectivity Edge (Fog) Computing Data Accumulation Data Abstraction Application Devices / Sensors Data Aggregation Collaboration / Processes Cloud Connectivity Fog Computing Business APIs Analytics External Dashboard System of Records Time Series Database Back Office
  • 43. REIS NAAR DE CLOUD Introductie AMIS 43
  • 44. How to start and how to scale? IoT 44 Proof of Concept Minimal Viable Product DevOps Standardized Service • Customer interest • Scope defined • Idea clear • Customer confirmed • Basic Business case • IT Engaged • Business Case • Architecture verified • Legal engaged • Security verified • Governance determined • Marketing and sales • Legal • Security • Process • Governance Ideas
  • 45. Gartner about IoT Platforms IoT 45 Summit 2017 / Berlin IoT Architecture Fit-for-Purpose
  • 46. When to use IoT PaaS or SaaS? Selection criteria: • R & D / Innovation • Business strategy <-> IoT strategy • Business Case • TCO • Evolutionary Model • Knowledge • Time-2-Market • Current architecture landscape • Integration • Platform maturity IoT 46 SaaS Organic Architecture Clear Architecture
  • 47. IoT Platform Leaderboard IoT 47 Navigant Research Leaderboard: IoT Platform Vendors Q4-2017 Focus Platforms • Microsoft Azure PaaS and SaaS • Oracle PaaS and SaaS • AWS PaaS
  • 48. Your Company IoT Platform Architecture positioning in IT Landscape IoT 48 Digital TwinBack Office IoT Platform Dashboards and Portal API Platform Collaboration / Process Integration Participating Companies Customers
  • 49. IoT Platform Building Blocks IoT 49 Continuous Delivery & Provisioning & Governance & Versioning Device Connectivity Stream Processing Telemetry Data Lake Digital Twin Internal Dashboard Device Management IoT Gateway Physical Devices Connectivity Edge (Fog) Computing Data Accumulation Data Abstraction Application Devices / Sensors Data Aggregation Collaboration / Processes Cloud Connectivity Fog Computing Business APIs Analytics External Dashboard System of Records Time Series Database Back Office
  • 50. Fog Computing IoT 50 Fog bridges the cloud-to-things continuum https://youtu.be/tuo5Pxc4w3c
  • 51. Example Serverless IoT Architecture IoT 51 Function AppAPI GatewaySmart Sensor Data Lake
  • 52. Hot Path vs Cold Path Data Processing IoT 52 Streaming Analytics Data Lake Event HubIoT Hub Consumers Smart Sensor Data Lake Analytics Data Factory Cosmos DB Consumers
  • 53. Analytics / Machine Learning IoT 53 Machine Learning: • A model made by humans from analytics practice. • The application of this model in such a way that a conclusion is made by a machine (instead of a human).
  • 54. Machine Learning IoT 54 Data Lake ML Streaming AnalyticsIoT HubSmart Sensor Data Factory Event Hub
  • 56. Device Connectivity Titel van de presentatie 56 1. Direct device connectivity to the cloud gateway 2. Connectivity via a field gateway 3. Connectivity via a custom cloud gateway 4. Connectivity via a field gateway and a custom cloud gateway

Editor's Notes

  1. Verbinden van de fysieke wereld om in de digitale wereld een beeld te krijgen van de werkelijkheid. Om zo via computerkracht informatie te halen uit de data van de werkelijkeheid en deze informaite weer terug te voeden naar de werkelijkheid.
  2. Wie is er IT’er of Anders? Bouw of operations ? Primair … of ondersteunen …. Development in house …. Connected devices in ziekenhuis Meer dan 50 % van zijn tijd niet aan regulier werk
  3. * Architectuur * Applicaties (voorkant en achterkant) * Integratie (Data, Applicaties) * Platform * Consultancy (Licentieadvies, Ontwerp, Realisatie) * Beheer van Platform (Database, Middleware) en Applicaties De kwaliteit van AMIS ligt o.a. in het adopteren van nieuwe technologieën en neemt de klant hier graag in mee!
  4. Ik ben jullie klant Zijn jullie zelf wel eens klant geweest… ? Wat valt dan op? Productie middelen zijn het duurst (aparatuur, artsen, OK’s etc..) Proces is ingericht op optimale benutting van de productiemiddleen (de artsen) We accepteren voorraad vorming (wachtrijen)
  5. Elektrocardiogram  1900 De medische industrie meet al heel lang aan mensen en dingen De data wordt alleen lokaal opgeslagen en niet veel meer gedaan
  6. 31
  7. Gestructureerde mannier om het type, status en locatie van assets in een organisatie te meten en te beheren. Daarmee zien wat het gebruik is, waar het gebruik plaatsvindt. De status van het asset en het detecteren van onderhoud en vervanging. Maar ook het detecteren en voorkomen van vermissing / diefstal. Toepassing: logistiek, manufacturing, medisch, machines en fabrieken. Het gestructureerd en frequent / continu meten van de conditie en gebruik van objecten. Daarmee een inzicht verkrijgen in de frequentie van het gebruik, de intensiteit en de kwaliteit van het gebruik. Maar ook opsporen van ongeplande uitval en detecteren van de oorzaak van het gebruik om zo de overal equipement performance (OEP) te verbeteren. Toepassing: maakindustrie, procesindustrie, transportmiddelen, motoren, pompen en afsluiters.
  8. Het meten van de prestatie van assets en deze afzetten tegen een ideale performance om zo een eventuele afwijkingen en degradatie van de prestatie te detecteren. Dit moet als doel om de beschikbaarheid te verhogen door een voorspelling te doen an onderhoudsmomenten en deze op ideale momenten te plannen. Toepassing : elektromotoren, kleppen, afsluiters, transportbanden, metaalbewerkingsmachines, pompen. Het geautomatiseerd testen van de status, verbruik of geprefereerde instelling van een asset. Dit komt in de plaats van handmatige inspecties die noodzakelijk zijn om verbruik en uitval te detecteren. Maar ook om te voldoen van (veiligheids-) certificeringen. Toepassing : materiaal status, vloeistof niveaus, opening van deuren / controle kasten, vulgraad van (afval)containers, activiteit van motoren en pompen.
  9. Meten van het klimaat en gebruik van ruimtes. Daarmee effectief capaciteit plannen, gebruiksgericht schoonmaken en verbetering van gebruikerservaring van het gebouw. Detecteren van slecht klimaat of onnodige vervuiling. Maar ook het monitoren van goederen die onder een bepaalde klimaatconditie opgeslagen en getransporteerd moeten worden. Toepassing : schoonmaak, voedselbranche en medische industie. Meten van de capaciteit en het gebruik van de capaciteit van opslag, ruimtes en transport systemen. Daarmee voorkomen van leegloop en opstopping. Maar ook het zo snel mogelijk vinden van beschikbare capaciteit en het op lange termijn plannen van capaciteit. Toepassing: voorraadbeheer, opslag, werkplek beheer, intern en extern trasport systemen, water en riool systemen.
  10. Meten en reguleren van de stroom en dichtheid van entiteiten (personen oen / of mobiele assets). Daarmee bezorgen dat de juiste entiteiten op het juiste moment op de juiste plek zijn. Zorgen dat er maximaal gebruik gemaakt wordt van de beschikbare capaciteit zonder dat er opstopping of leegloop op gaat treden. Toepassing: pallets, trays, containers, wachtrijen en utilisatie van transport / evenementencentra.
  11. Ontwerpen Cloud-strategie De klant helpen dit ontwerp te maken – opknippen naar autonome functies/microservices – per functie/applicaties Verkennen – strategie – ontwerpen samen met de klant Bouwen en ittereren – voor de klant Het gaat om de route náár de Cloud, niet de keuze voor de Cloud an sich. Geen omvangrijke hardware investeringen Onderhoud en beheer wordt geregeld Altijd up-to-date van de laatste versie(s) Oneindige schaalbaarheid en gebruikerslicenties Kosten voorspelbaar Locatie-onafhankelijk werken Veiligheid
  12. Local Edge Data Processing (Filtering, Aggregation, Alerting, Alarming) Reuse of code / business logic