LeydenJar: R&D en productie automatisering versnellen met slimme data-integratie

Een startup met data-honger

LeydenJar ontwikkelt een anode die een nieuwe generatie batterijen produceert. Ze zitten in een intensieve R&D-fase waarin ze iteratief hun technologie verbeteren. Voor hun innovatieproces is data essentieel: ze verzamelen gegevens over machinesnelheid, productkwaliteit, snelheid/kwaliteit-ratio en duurzaamheid van onderdelen. Dit bracht uitdagingen met zich mee. LeydenJar groeide snel, maar veel processen waren nog niet geprofessionaliseerd. Met een beperkt budget moesten ze lastige keuzes maken tussen verschillende investeringen.

De gevolgen waren voelbaar: hun BI-specialisten besteedden 80% van hun tijd aan het handmatig verzamelen van data. Hierdoor bleven er weinig uren over voor het maken van rapportages, inzichten en AI-modellen. Alle data werd opgeslagen in Excel-bestanden, wat de situatie foutgevoelig, onoverzichtelijk en ongeschikt voor AI-toepassingen maakte.

Verborgen schatten in verspreide data

LeydenJar verzamelde veel waardevolle data, maar deed dit in geïsoleerde systemen. Ze maten bijvoorbeeld de ‘cycle life’ van batterijen (het aantal laad-ontlaadcycli tot 80% capaciteit), verzamelden prestaties van anodeproductiemachines, en voerden vijf verschillende kwaliteitstests uit op geproduceerde anodes.

Al deze datasets werden apart bekeken en geanalyseerd, waardoor het vinden van correlaties vrijwel onmogelijk werd. Bovendien ging veel kennis over R&D-tests verloren door verspreide opslag en het ontbreken van gedocumenteerde data-interpretatie. Dit leidde tot situaties waarin vergelijkbare R&D-tests meerdere keren werden uitgevoerd door verschillende afdelingen.

We besloten om de potentie voor verbeterde dataverzameling te laten zien en uit te leggen wat ze daarmee konden bereiken. Een van LeydenJar’s kernwaarden luidt: “Question everything – answer with data.” Ze beseften dat ze nog veel meer potentie in handen hadden. Samen sloegen we de handen ineen om een solide fundering te leggen: het LeydenJar Data Warehouse-project.

Van visie naar concrete architectuur

LeydenJar wist goed te verwoorden wat ze wilden bereiken. Maar ze hadden nog geen duidelijk beeld van welke data ze precies handmatig verzamelden, welke data ze in de toekomst wilden verzamelen, en voor welke toepassingen ze deze zouden gebruiken.

We begonnen met een high-level assessment van de huidige en toekomstige databehoeften. Vervolgens stelden we een longlist en shortlist op van dataplatform-aanbieders en ontwikkelden een referentiearchitectuur. Door de shortlist te plotten op deze architectuur, konden we een gefundeerd advies geven over de beste tech stack.

De keuze viel op Microsoft Azure. Hierna maakten we een Solution Design en faseerden de implementatie in verschillende stappen, zodat LeydenJar kon opschalen naar gelang hun behoeften. We implementeerden de techniek, richtten het ETL-proces in op basis van het Medaillon-framework en voegden de eerste databronnen toe.

Versnelling van innovatie en time-to-market

De automatisering van dataverzameling levert LeydenJar enorme efficiencywinst op. De data staat nu in een Data Lake, waardoor deze ook voor AI-toepassingen gebruikt kan worden. Hun R&D-proces verloopt veel efficiënter en sneller, wat de time-to-market versnelt. Dit betekent dat ze sneller kunnen groeien van een startup die funding nodig heeft naar een bedrijf dat producten verkoopt en winst maakt.

We hebben alle kennis overgedragen aan de Data Engineer van LeydenJar, die zich met onze hulp Azure eigen heeft gemaakt. Hij werkt nu zelfstandig aan het toevoegen van nieuwe databronnen. Hun Data Scientist kan zich nu volledig focussen op AI en ML, zonder tijd te verspillen aan het verzamelen en transformeren van data.

De gestandaardiseerde dataverzameling biedt LeydenJar belangrijke voordelen:

• Gecentraliseerde opslag die fungeert als Single Point of Truth
• Gedocumenteerde datasets met duidelijke leeswijzers en interpretatie
• Verbeterde datakwaliteit door betere controle op data-invoer
• Automatiseringsmogelijkheden door hergebruik van bestaande data
• Gestandaardiseerde en reproduceerbare dataverrijking
• Correleerbare datasets door datastandaardisatie
• Mogelijkheden voor Advanced Machine Learning om nieuwe inzichten te verkrijgen

Door deze transformatie heeft LeydenJar niet alleen hun huidige processen verbeterd, maar ook de basis gelegd voor toekomstige innovatie en groei in de competitieve markt van batterijproductie.

Blis Digital heeft zich bewezen als een onmisbare partner voor LeydenJar door ons te begeleiden van de opzet van requirements tot de succesvolle realisatie van ons Data Warehouse. Hun snelheid en flexibiliteit waren cruciaal voor ons als start-up en scale-up. Het project was een succes binnen budget en scope, met korte lijnen en een nauwe samenwerking tussen alle betrokkenen. Dankzij Blis Digital hebben we nu een robuust fundament waarmee LeydenJar het verschil kan maken in de batterijtechnologie, en de positieve reacties binnen ons bedrijf spreken boekdelen over de impact van hun aanpak.
Freddy van der Garde, Information Technology System Manager, LeydenJar