naar intelligente assetoperaties

Van operationele data

Een voertuig meldt een technische afwijking, een roltrap registreert storingscodes en de onderhoudshistorie staat in een ander systeem. De gegevens zijn beschikbaar, maar medewerkers moeten zelf uitzoeken wat ze samen betekenen. Hoe maak je die informatie bruikbaar voor betere onderhoudsbeslissingen? Intelligent Asset Operations verbindt realtime data, assetkennis en dagelijkse werkprocessen.

Vervoersorganisaties beheren uiteenlopende technische assets: voertuigen, wissels, energievoorzieningen, liften en roltrappen. Deze bedrijfsmiddelen leveren gegevens over hun toestand, prestaties en storingen. Die informatie is vaak verdeeld over diagnosesystemen van leveranciers, monitoringplatformen en onderhoudsapplicaties. Bij een storing moeten medewerkers informatie uit verschillende bronnen combineren. Welke melding hoort bij welke installatie? Is dit probleem eerder voorgekomen? En vraagt de situatie om direct ingrijpen of kan een inspectie worden ingepland? Het kost tijd om daar een betrouwbaar antwoord op te krijgen.

Intelligent Asset Operations brengt operationele data, assetmanagement, analyses en werkprocessen bij elkaar. Daarmee ontstaat een samenhangende aanpak om signalen te beoordelen, onderhoud voor te bereiden en te leren van de uitvoering.

Een Operationeel Dataplatform (ODP) vormt de basis. Het ontsluit gegevens uit sensoren, besturingen en leveranciersapplicaties en zorgt voor betrouwbare verwerking. Ook wanneer verbindingen tijdelijk wegvallen of veel apparaten tegelijk berichten versturen. Om die gegevens te kunnen gebruiken, is context nodig. Een elektromotor die meer stroom verbruikt, is niet automatisch versleten. Misschien draait de installatie onder een hogere belasting of in een andere bedrijfsmodus. Pas door metingen te combineren met de configuratie, gebruiksomstandigheden en onderhoudshistorie ontstaat een bruikbaar beeld.

Daar komt Asset Intelligence in beeld. Deze laag verbindt technische signalen met kennis over het gedrag en de functie van een asset. Gegevens van verschillende fabrikanten worden vertaald naar gemeenschappelijke definities, zodat analyses en processen waar mogelijk herbruikbaar zijn. Verschillen tussen installaties blijven daarbij relevant. Niet elke asset beschikt over dezelfde sensoren of voldoende betrouwbare gegevens. Als een analyse daardoor niet mogelijk is, moet de uitkomst ‘niet beoordeelbaar’ zijn. Ontbrekende informatie mag geen reden zijn om een installatie als gezond te beschouwen.

Stel dat de motorbelasting van een roltrap gedurende langere tijd licht oploopt, terwijl de installatie blijft functioneren. Bij monitoring met vaste grenswaarden volgt mogelijk pas een waarschuwing wanneer een drempel wordt overschreden. Een geïntegreerde aanpak kan het veranderende gedrag eerder onder de aandacht brengen. Het ODP verzamelt en controleert de metingen. Asset Intelligence vergelijkt het gedrag met eerdere patronen onder vergelijkbare omstandigheden en betrekt daarbij de configuratie, storingshistorie en bekende oorzaken van defecten.

Een onderhoudsspecialist krijgt vervolgens een bevinding met onderbouwing: welke signalen wijken af, sinds wanneer en welke verklaringen zijn mogelijk? Op basis daarvan kan de specialist besluiten tot een extra inspectie. Het werkverzoek gaat naar het Enterprise Asset Management-systeem (EAM), waarin planning en uitvoering plaatsvinden. Na de inspectie legt de monteur vast wat daadwerkelijk is aangetroffen. Die terugkoppeling helpt om regels en modellen te verbeteren. Zo ontstaat een doorgaand proces van signaleren, beoordelen, handelen en leren. Zo ontstaat een doorgaand proces van signaleren, beoordelen, handelen en leren.

Ook operators hebben baat bij samenhangende informatie. Bij een stilgevallen lift willen zij de actuele status, recente storingen, eerdere onderhoudsacties en de gevolgen voor de toegankelijkheid kunnen beoordelen. Een geïntegreerde werkplek brengt deze informatie bij elkaar. De operator kan daardoor beter bepalen welke situatie aandacht vraagt en welke vervolgstap passend is. De achterliggende systemen behouden hun eigen functie: het ODP verwerkt operationele gegevens, Asset Intelligence ondersteunt de beoordeling en het EAM beheert onderhoud en werkorders. Bestaande integratie- en dataplatformen houden hun rol: een ODP vult die voorziening aan en bouwt ze niet opnieuw. Een betrouwbare koppeling tussen die systemen is essentieel. Elk signaal moet verwijzen naar de juiste fysieke asset, de actuele configuratie en het bijbehorende onderhoudsobject. Zonder die samenhang blijft ook een geavanceerde analyse beperkt bruikbaar. Het volgende artikel in deze reeks werkt het Operations Centre verder uit.

AI kan op verschillende momenten helpen. Anomaliedetectie signaleert afwijkend gedrag dat met vaste drempelwaarden lastig zichtbaar is. Diagnostische modellen ondersteunen het zoeken naar mogelijke oorzaken. Voorspellende modellen schatten hoe slijtage of uitvalrisico zich ontwikkelt. Generatieve AI kan daarnaast onderhoudsinstructies en eerdere incidenten doorzoeken en samenvatten, met verwijzingen naar de gebruikte bronnen. AI-agents kunnen informatie verzamelen of een werkverzoek voorbereiden.

Welke toepassing past, hangt af van het operationele vraagstuk en de beschikbare gegevens. Soms is een duidelijke conditieregel voldoende. Bij veiligheidskritische assets moet bovendien vastliggen wie een beslissing neemt, welke onderbouwing daarvoor nodig is en hoe fouten worden hersteld.

De stap naar Intelligent Asset Operations vraagt samenwerking tussen IT, OT, assetmanagement, onderhoud en operations. Medewerkers moeten begrijpen wat een signaal betekent, wie het beoordeelt en wie verantwoordelijk is voor opvolging. Leg vooraf vast wie een gewijzigde conditieregel goedkeurt en wie verantwoordelijk is wanneer een terechte waarschuwing niet tot tijdige actie leidt. Ook opleiding, datakwaliteit en het beheer van regels en modellen horen vanaf het begin bij de aanpak. Start daarom met één toepassing die duidelijke operationele waarde kan opleveren, bijvoorbeeld het onderzoeken van terugkerende storingen aan een installatie. Richt daarbij direct de basis in voor betrouwbare gegevensverwerking, assetidentificatie, beveiliging en aansluiting op het onderhoudsproces.

Leg vooraf een nulmeting en acceptatiecriteria vast en beoordeel daarna het effect in de praktijk. Worden afwijkingen eerder herkend? Zijn werkverzoeken beter onderbouwd? Hoeveel meldingen blijken onterecht? En helpt de informatie om onderhoud beter voor te bereiden? Niet iedere toepassing levert voldoende waarde op en niet iedere asset vraagt om voorspellend onderhoud. Door stapsgewijs te werken, kan een organisatie gericht bijsturen en succesvolle toepassingen verder uitbreiden.

AMIS Conclusion ontwerpt, realiseert en beheert de realtime data-, IoT- en integratievoorzieningen die deze aanpak ondersteunen. We verbinden gegevens uit fysieke assets met de systemen en processen waarin medewerkers dagelijks werken. Daarbij nemen we betrouwbaarheid, beveiliging en beheer vanaf het ontwerp mee. Samen bepalen we welk operationeel vraagstuk als eerste aandacht verdient en welke voorzieningen daarvoor nodig zijn. Zo werken we vanuit een concrete toepassing aan een fundament dat ook volgende toepassingen kan ondersteunen.