Van losse systemen naar één data-ecosysteem

Predictive begint met basis: van OT-signaal naar context en actie

In veel gesprekken die we voeren over predictive maintenance gaat al het snel over AI en ML. Waar minder over gepraat wordt, is dat het vaak geïsoleerde datasets zijn in losstaande applicaties gericht op het dagelijkse werk. Predictive of condition based onderhoud vraagt om een dataketen met context: OT-signalen moeten gekoppeld zijn aan assets, definities en onderhoudsacties. Anders heb je wel data, maar geen informatie waar je op kunt sturen.

Een pomp is een goed voorbeeld. In OT zie je flow en stroomgebruik, en vaak ook draaiuren en alarmen. Die informatie is beschikbaar in de PLC/SCADA-omgeving. In het onderhoudssysteem staat ondertussen welke onderdelen erbij horen en welke werkorders gepland zijn. Als die twee niet gekoppeld zijn, weet je onderhoudssysteem niet hoe intensief de pomp daadwerkelijk gebruikt is. Of hoe vaak de PLC al een overbelasting heeft geregistreerd en een alarm op heeft gegeven. Dan kun je weinig zeggen over slijtage of het juiste onderhoudsmoment.

Hetzelfde geldt voor onderdelen. In CMMS staat het bestelnummer van een rubberen afdichting. Maar zonder koppeling met OT-gebruik en belasting blijft het moeilijk om onderbouwd te bepalen wanneer je de ring vervangt, hoeveel je op voorraad houdt en welk patroon je ziet. Koppel je echter verbruiksprofielen aan parts (MTBF-/ MTTR, levertijden, criticality), dan kun je data-gedreven reorder points instellen om spoedorders en dode voorraad tot een minimum te reduceren.

De klep die steeds meer begint te vertellen

De vraag zou steeds minder moeten zijn: ‘hoe koppelen we systemen?’ en steeds meer: ‘welke informatie hebben we nodig en hoe organiseren we de feedback tussen operatie en onderhoud?’ En dat vraagt om een data-ecosysteem met eenduidige assetcontext, niet alleen om losse koppelingen.

Van losse systemen naar een werkend data-ecosysteem

Een concreet voorbeeld is de klep. In veel productieomgevingen wordt een klep gezien als “open” of “dicht”. Maar zodra je OT-data koppelt aan assetcontext, krijg je veel rijkere signalen. Denk aan de tijd die de klep nodig heeft om te openen of te sluiten, het aantal cycli, de drukgrenzen en de installatiecontext. Dan zie je afwijkingen eerder, en kun je gerichter inspecteren of plannen. Dat is de stap van losse data naar informatie waar je iets mee kunt.

Waarom is dit nu urgenter

De urgentie komt niet alleen uit technologie, maar vooral uit de realiteit op de werkvloer: personeelskrapte, vergrijzing en tijdgebrek. Je kunt minder leunen op informele afstemming en ervaring in hoofden. Krapte en kennisverloop vraagt om procedurele kennis in systemen. Het goede nieuws: koppelen en ontsluiten is makkelijker dan ooit door modernere architecturen en connectoren.

Legacy blijft, maar je kunt wel stappen zetten

In productieomgevingen is vervanging spannend. Een kantoor-laptop vervangen is vervelend als het misgaat. Een industriële computer vervangen kan stilstand veroorzaken. Dat verklaart waarom OT-omgevingen lang meegaan. Je hoeft niet alles in één keer te vervangen. Modulariseer stap voor stap; ontsluit waardevolle data eerst, voeg context toe en breid gecontroleerd uit.

Zo start je zonder megaproject

Je hoeft niet in een keer alles weg te gooien of als groot project te starten: je kunt dit klein aanpakken en stap voor stap uitbreiden, terwijl je onderweg leert. Dat werkt alleen als je basis klopt: een heldere assetstructuur, een bewuste keuze voor relevante OT-parameters (niet alles, wel het juiste), een centrale manier om data te ontsluiten en te structureren, en heldere afspraken. Leg daarbij ook eigenaarschap vast voor definities en datakwaliteit, zodat je één datawerkelijkheid houdt. Werk in kleine stappen, leer onderweg en verbeter iteratief. Fail fast and fail forward.

Hoe beter maintenance weet wat er in de fabriek gebeurt, hoe beter zij kunnen inspelen op het draaiend houden van de fabriek

Wil je van losse systemen naar één werkend onderhouds- en data-ecosysteem? We denken graag met je mee welke aanpak past bij jullie assets, legacy en organisatie.