Home Maintain & Improve Nieuws OT–IT koppelingen voor maintenance
OT–IT koppelingen voor maintenance

Van losse systemen naar naar één data-ecosysteem

Maintain & Improve tag corner

Predictive maintenance, AI en sensoren krijgen steeds meer aandacht. Toch zie je in veel fabrieken dat onderhoud nog vooral reactief of correctief is. Niet omdat er geen data is, maar omdat informatie onjuist of versnipperd is. Ze missen één waarheid.

Advies nodig? Kom in gesprek

OT-data zit in PLC/SCADA en alarmhistorie. Het onderhoudsproces staat in CMMS. En die twee werelden praten lang niet altijd met elkaar. Als OT en IT los blijven, stuur je op eilandjes. Dan blijft predictive maintenance bij een lastig haalbare ambitie. Actemium consultants Martin van Malten en Pascal Meijs schreven hier een blog over.

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.

 

Martin-van-Malten-consultant-Actemium

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.

“Het gaat niet alleen over onderhoud. Het gaat over een data-ecosysteem in de hele organisatie: data is de grondstof om de juiste beslissingen te kunnen nemen.”
Martin van Malten – Consultant bij Actemium
“De technologie is niet meer de bottleneck. Het gaat om hoe je maintenance inricht en hoe je de juiste informatie ontsluit en gebruikt.”
Martin van Malten – Consultant bij Actemium

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.

Wat gaat er in de praktijk vaak mis?

De knelpunten zijn vaak niet technisch ingewikkeld. Ze zijn vooral organisatorisch, omdat ze over data-afspraken, eigenaarschap en werkwijzen gaan.

1
1. OT en maintenanceproces staan los

OT is de plek waar events gebeuren: alarmen, afwijkingen, stops. CMMS/EAM is de plek waar je plant en uitvoert. Als er geen koppeling is, mist de brug tussen “wat er gebeurt” en “wat je ermee doet”.

2
2. Data is er wel, maar mist context

Bedrijven hebben vaak veel datapunten, maar weinig bruikbare informatie. Niet omdat de sensor ontbreekt, maar omdat de assetcontext ontbreekt: welke tag hoort bij welke asset, onder welke omstandigheden, met welke definitie? Breng éénduidige asset taxonomie en tag‑conventies aan. Leg mapping‑regels vast (tag → asset → locatie → kritikaliteit) en borg de definities in een datacatalogus.

3
3. Oog voor wederkerigheid

Zonder goede afspraken ontstaan dubbelingen en fouten. Een operator ziet iets en maakt een melding. Hij wist echter niet dat zijn collega dat ook al gedaan had, dus nu zijn er twee tickets voor hetzelfde probleem. Of de operator klikt alarmen weg zodat de lijn door kan, maar die alarmen komen nooit in het maintenance managementsysteem terecht.

4
4. Operatie en technische dienst missen elkaars planning

Een ander praktisch effect: operators weten niet dat er gepland onderhoud aankomt. Monteurs missen de context van wat er op de lijn aan signalen speelt. Daardoor blijft afstemming afhankelijk van persoonlijke communicatie. Dat werkt, tot het druk wordt of tot mensen wisselen. Maak de planningen zichtbaar. Dit kan al met een eenvoudig gedeeld en afgestemd planbord. Idealiter is dit verwerkt in de MES/MOMS omgeving.

“Zorg voor één datawerkelijkheid, anders blijf je discussiëren.”
Pascal Meijs – Consultant bij Actemium
“Zolang je OT–IT-integratie blijft zien als een technisch verhaal, blijft je onderhoud achter de feiten aanlopen. Maak maintenance onderdeel van je data-architectuur. Hoe beter maintenance weet wat er in de fabriek gebeurt, hoe beter zij kunnen inspelen op het draaiend houden van de fabriek.”
Martin van Malten – Consultant bij Actemium

Waarde: niet één KPI, maar betere beslissingen

Als je digitalisering goed aanpakt, zie je verbeteringen in meerdere gebieden. Voor maintenance betekent het: minder dubbel administratiewerk, minder ruis in tickets, een betrouwbaardere storingshistorie en betere planbaarheid. Ook onderdelenplanning wordt concreter: minder spoed en minder op gevoel.

Voor de organisatie betekent het: minder discussies over definities, betere afstemming tussen productie en onderhoud, en sneller prioriteren op impact. KPI’s als uptime/downtime, MTTR, OEE en OTIF hangen met elkaar samen. Een werkend data-ecosysteem helpt je om die samenhang te begrijpen en er consistent op te sturen.

Pascal-Meijs-consultant-Actemium

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.

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.

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.

Samen de volgende stap naar procesverbetering zetten? Onze experts helpen je graag!