23 Feb 2018 |

Machinaal leren

U hoort en leest tegenwoordig veel over het begrip machinaal leren (machine learning) en dat u dit ook moet toepassen voor uw bedrijf en/of organisatie.  Wat is dit eigenlijk en hoe zult u dit kunnen toepassen?

Wat wilt u leren voor de verzameling van data?

Belangrijk om met machine learning aan de gang te gaan is om te bepalen wat u eigenlijk wilt weten en/of op welke gebied. Gebaseerd op die vraag gaat u op zoek naar gegevens en data.  Deze zijn namelijk erg belangrijk.  U heeft verschillende gegevens in uw ERP-pakket (Odoo of ISAH), productietijden van uw machines en uiteraard is er veel data beschikbaar op internet.  Deze gegevens gaat u verzamelen en inrichten, zodat u patronen en/of andere zaken kunt ontdekken.

Gebaseerd op de data of op een theorie gaat u op onderzoek?

U heeft een idee van hoe de verschillende data met elkaar hebben te maken of gaat op zoek naar verschillende patronen in uw data.  Door middel statistiek (analyseren van gegevens) gaat u op zoek naar patronen in de data.  Aan de hand van de patronen maakt u een bepaalt programma welke de patronen zoekt of bevestigd (algoritme).  Indien u deze heeft gevonden en u vanuit de data kunt bewijzen dat deze klopt, dan heeft u wat geleerd.

Voorbeeld

Herkenning

Zo ontdekt u bijvoorbeeld binnen uw maakbedrijf dat u meer storingen heeft op maandag, omdat dan de temperatuur in uw productiehal stijgt, waardoor uw machines moeten opwarmen en gaan uitzetten.  In het weekend zet u namelijk de verwarming uit om geld te besparen. U ziet echter een relatie tussen temperatuur stijging op maandag en het aantal storingen in uw machinepark.

Aanpassing

Als u dit patroon heeft ontdekt in uw data, dan kunt u besluiten om op zondagavond al uw hal op de warmen, zodat de temperatuur dan op maandag stabiel is.  U heeft een patroon ontdekt en heeft een aanpassing gedaan en dus geleerd. Aan de hand van uw aanpassing blijkt dat dan de storingen op maandag afnemen. Dan klopt de analyse en heeft u een vorm van machine learning (machinaal leren) toegepast.

Hoe nu toe te passen.

Met WTell verzamelen wij regelmatig gegevens uit verschillende systemen en bronnen voor onze klanten. In de meeste gevallen is WTell voornamelijk gekoppeld aan Odoo of ISAH. Dan hebben wij vaak voor u de beschikking over een goede set van gegevens en data om een analyse uit te voeren.

Tevens kunnen we binnen WTell vrij vlot en eenvoudig een programma voor u maken, welke een analyse uitvoert op uw data en/of een bepaalde theorie controleert. Hierdoor past u in zekere mate machinaal leren toe.

Techniek vaak niet de bottleneck

Onze ervaring is dat vaak de techniek niet het struikelblok is, maar dat u de juiste vraag of knelpunt moet formuleren, waarop de gegevens en het programma (algoritme of model) wordt gemaakt. Graag helpen onze consultants u met de juiste formulering.

Ja, ik wil ook meer uit mijn data halen