Switch language

Hoe Power BI zorgt voor lagere stookkosten bij Hillstar

Hoe Power BI zorgt voor lagere stookkosten bij Hillstar

Gooi Power BI, een Data Scientist en een aantal Raspberry Pi’s met sensoren bij elkaar en na een dag heb je een volledig analyseerbaar pand. Wie is er binnen? Wat is de temperatuur? Zitten alle ramen wel dicht? Een greep uit de vragen die je na één dag al kunt beantwoorden.

Hoe werkt het?
Het live bijhouden van allerlei meetwaarden kan met een aantal tools die beschikbaar zijn binnen Microsoft Azure. Om te beginnen gaat de data vanuit de sensor naar de Raspberry Pi. Die stuurt de data via WiFi naar de Azure Event Hub. Die kan miljoenen gebeurtenissen per seconden verwerken. Na deze stap gaan de gegeven naar Microsoft Azure Stream Analytics. Die tool is kant en klaar geïntegreerd met de Event Hub en kent een aantal verschillende outputs, zoals Microsoft Azure SQL Database of in dit geval Microsoft Power BI. Daar wordt de data live weergegeven en kan daar ook direct mee worden gewerkt. Een andere output zou een meldsysteem kunnen zijn. In ons geval zou dat een SMS kunnen zijn naar een van de werknemers dat er nog een raam open staat. Maar dat kan ook een work order zijn.

Waarom is dit handig?
Dit is een handige oplossing omdat de mogelijkheden heel breed zijn. In het laatste voorbeeld, van de work order, kun je denken aan een machine met sensoren die zelf aangeeft welk onderdeel een slijtagelimiet heeft overschreden en daar ook direct een actie aan koppelt. Of bijvoorbeeld een cv-ketel die zelf zorgt dat er een monteur langskomt omdat er iets vervangen moet worden of het apparaat toe is aan een servicebeurt. Maar deze lijn kan ook veel verder doorgetrokken worden. Denk aan het bedrijf waar u werkt. In iedere branche zijn bewegingen die in kaart gebracht kunnen worden. In de transportsector wordt al veel data uitgelezen. Zo is precies te zien hoeveel de chauffeur heeft geremd, of hij gemiddeld veel brandstof heeft verbruikt en hoeveel gas hij heeft gegeven. Die gegevens worden nu vaak gewoon geanalyseerd en soms wordt met de uitkomst daarvan nog iets gedaan. Met de verschillende outputs van Azure Stream Analytics kun je kiezen daar direct een actie aan te koppelen. Bijvoorbeeld dat de chauffeur een seintje krijgt wanneer hij weer eens met de vlam in de pijp over de Brennerpas scheurt. ‘Dat kan ook rustig Henk!’, zou de strekking van het bericht kunnen zijn.

Wat kost zoiets?
In ons geval niet zoveel. Een goede Raspberry Pi kost ongeveer €40,- per stuk. De sensoren die wij hebben gebruikt, kosten ergens tussen de €10,- en €50,-, afhankelijk van wat ze doen. Een camera is bijvoorbeeld duurder dan een temperatuursensor. Dat is de hardware. Voor de software is het iets lastiger te zeggen wat het kost. De tools die we voor dit blog hebben gebruikt, zitten in het Azure pakket. Ze draaien in de Cloud. Je moet daar per unit, per uur voor afrekenen. Dus afhankelijk van hoeveel je wilt analyseren, wordt dat duurder.