Praktisch lesmodel
Maak sensoren, machinegegevens, connectiviteit en dashboards zichtbaar en begrijpelijk voor studenten en cursisten.
De RealTimeBox Barista is ontwikkeld als proef- en lesmodel voor Koninklijke Metaalunie. We laten zien hoe je een bestaande, niet-slimme koffiemachine met betrouwbare sensoren, realtime data en een open datalaag digitaal kunt maken. Hetzelfde principe is toepasbaar als retrofit op echte productiemachines.

Deze Barista bouwden we als proefmodel en lesmateriaal voor Koninklijke Metaalunie: een herkenbaar voorbeeld van hoe een gewone, niet-slimme koffiemachine verandert in een connected device. De machine is de demonstratie; de achterliggende sensortechniek en data-architectuur zijn ook inzetbaar in echte productieomgevingen.
Maak sensoren, machinegegevens, connectiviteit en dashboards zichtbaar en begrijpelijk voor studenten en cursisten.
Geef bestaande productiemachines een digitale upgrade zonder de volledige machine te vervangen.
RealTimeBox kan compacte demonstratieopstellingen ontwikkelen voor mbo, hbo en praktijkopleidingen.
Begin met enkele stabiele meetpunten en breid de opstelling later uit met database, analyses en slimme functies.
De RealTimeBox Barista is als proef- en lesmodel ontwikkeld om te laten zien hoe een gewone koffiemachine met sensoren, data en connectiviteit een slim apparaat kan worden. Deze aanpak is ook interessant voor technische opleidingen en industriële retrofits.
Ruimte voor logoReferentie: RealTimeBox Barista — educatief proef- en demonstratiemodel.
Voeg het officiële logo toe alsimages/metaalunie-logo.png om het hier te tonen.Ook bij bestaande productiemachines begint slimmer werken bij betrouwbare meetsignalen. De RealTimeBox legt een schaalbare databasis, zonder de complete installatie te vervangen.
De hardware kan klant-specifiek worden samengesteld. Sensoren en devices blijven merk-onafhankelijk en zijn later eenvoudig te vervangen of uit te breiden.
Behoud de bestaande machine en voeg alleen de benodigde sensoren en connectiviteit toe.
Temperatuur, cycli, gebruik en afwijkingen direct zichtbaar.
Bouw voldoende proceshistorie op om afwijkingen te onderzoeken en voorspellende analyses te ontwikkelen.
Dezelfde aanpak is bruikbaar voor veel bestaande industriële assets.
Een goede AI-toepassing begint niet met AI, maar met betrouwbare metingen. We verzamelen de data gestructureerd, bouwen proceshistorie op en kunnen daarna analyses en zelflerende modellen toevoegen.
Bepaal welke proces- en kwaliteitsparameters relevant zijn. Sluit robuuste sensoren en bestaande machinesignalen aan en controleer de meetkwaliteit.
Verzamel signalen stabiel en realtime in één open, merkonafhankelijke datalaag, ook naast bestaande machinebesturingen.
Leg metingen en gebeurtenissen vast in een database. Door trends, omstandigheden en productkwaliteit te vergelijken ontstaat waardevolle proceshistorie.
Gebruik voldoende representatieve data om afwijkingen te herkennen, oorzaken te onderzoeken en op termijn zelflerende analyses of onderhoudsadviezen mogelijk te maken.
Stel je voor dat de productkwaliteit langzaam terugloopt. In plaats van alleen een alarm of grafiek te bekijken, vraag je aan de machine: “Waarom wordt de kwaliteit van mijn product minder, en waar kunnen we dat oplossen?”
Een slimme assistent kan dan meetwaarden, productieresultaten en historische patronen naast elkaar leggen, mogelijke oorzaken aanwijzen en suggesties doen voor gericht onderzoek of bijsturing. Denk aan temperatuurafwijkingen, veranderende cyclustijden, slijtage of een sensorwaarde die langzaam wegdrijft.
Dit is de ontwikkelrichting, geen bestaande standaardfunctie van het Barista-proefmodel. Eerst een stabiele sensorbasis en betrouwbare data, dan datakwaliteit, analyse en pas daarna zelflerende modellen en natuurlijke interactie met de machine. Adviezen en eventuele aanpassingen blijven toetsbaar en onder controle van de gebruiker.
Netvion en Seeed Studio zijn partners van RealTimeBox.


Of het nu gaat om een schaalmodel voor mbo, hbo of praktijkonderwijs, of een retrofit op een bestaande productielijn: we starten met betrouwbare signalen, bouwen de database en datalaag op en ontwikkelen van daaruit de gewenste analyses en intelligentie.