Het organiseren van data in de waardeketen is een grote uitdaging voor bedrijven in industriële sectoren. We spraken met Jeroen Caré, Market Lead Manufacturing Nederland en Suman Kumar Sengupta, Client Partner Manufacturing Nederland bij Cognizant, over de complexiteiten van OT- en IT-integratie en wat dit betekent voor het verhogen van de bedrijfsefficiëntie, door niet alleen voorspellingen voor operationeel onderhoud te doen, maar dit onderhoud ook te kunnen voorschrijven.

Terwijl digitale bedrijven vooroplopen in het omarmen van gedigitaliseerde processen, worstelen de meeste legacy-bedrijven nog met het overbruggen van de kloof tussen IT en OT. Het begint allemaal met datahygiëne, anders zal de integratie van OT en IT mislukken. Integratie opent de deur voor voorspellend, preventief en uiteindelijk prescriptief onderhoud. Maar het maakt ook de weg vrij voor digital twin-technologie, mogelijk gemaakt door krachtige oplossingen gebouwd op hyperscale platforms zoals AWS.

Waar staat de productie-industrie als geheel als het gaat om de convergentie van OT en IT?

Jeroen Caré

Jeroen Caré: “Zoals in elke sector heb je legacy-bedrijven en digitale bedrijven. Hetzelfde geldt voor de productiesector. Digitale bedrijven hebben productieprocessen gecreëerd die gedigitaliseerd zijn door het ontwerp. Ongeveer negentig procent bestaat echter uit wat ik zou noemen legacy-bedrijven, wat betekent dat ze gebouwd zijn op traditionele productie- en fabricageprincipes en daarom van nature niet gedigitaliseerd zijn.”

Suman Kumar Sengupta: “Het is echter niet het digitaliseringsniveau dat sommige bedrijven als koploper en andere als achterblijver bestempelt. Zelfs bedrijven met een vergelijkbare technische omgeving kunnen aanzienlijk van elkaar verschillen. Een slechte afstemming tussen afdelingen is de boosdoener. Aan de ene kant wordt OT traditioneel beheerd door de engineeringafdeling, die meestal rapporteert aan het hoofd productietechniek, het hoofd productie of de COO. Aan de andere kant wordt IT meestal beheerd door het technology office, de CIO of de CTO. We zien vaak geen convergerende ideeën of synergie tussen de engineering- en IT-divisies. In veel gevallen is dit de belangrijkste beperking, in plaats van de technologie.”

Jeroen: “De uitdaging is om de data die binnenkomt van de OT naar de IT vast te leggen. Een algemene blik op de markt geeft aan dat ongeveer negentig procent van de bedrijven deze verbinding nog moet maken. In digitale bedrijven zijn OT en IT van nature geïntegreerd. Ongeveer negen van de tien bedrijven hebben echter veel moeite om de overstap naar digitaal te maken, omdat ze hier nooit voor ontworpen zijn.”

Suman: “Ook vanuit beveiligingsoogpunt is de IT/OT-verbinding belangrijk. Deze convergentie vergemakkelijkt de controle en het beheer van activiteiten op afstand en bewaakt bepaalde kritieke, soms gevaarlijke omgevingen waar je vanuit veiligheidsoogpunt niet wilt dat je werknemers werken.”

“De convergentie van IT en OT verbetert ook de traceerbaarheid, die verplicht is in de komende regelgeving voor ESG-rapportage. Vanaf januari 2025 wordt de EU veel strenger over waar je bijvoorbeeld je grondstoffen vandaan haalt. De convergentie van IT en OT gaat niet alleen over het creëren van waarde voor productie use cases, klantkwaliteit, uptime en preventief onderhoud, maar ook over het helpen bij de naleving van de regelgeving met betrekking tot de traceerbaarheid van grondstofdata en productiegegevens.”

Voorspellend onderhoud staat al een tijd op de radar. Kunnen jullie iets meer vertellen over de toepassing in de markt?
Jeroen: “Nou, we zien dat, daar waar het wordt toegepast, het een aanzienlijke impact heeft op de kosten, maar ook op de manier van werken en op de beschikbaarheid van processen en machines. Dus waar het op de juiste manier wordt toegepast, is de business case echt sterk.”

“Als je voorspellend onderhoud uitvoert op een set machines of productielijnen omdat je in staat bent geweest om een volwassen model te creëren voor die specifieke entiteit vanuit een dataperspectief – wat betekent dat je de juiste data verzamelt via de juiste sensoren in real-time, dan kan modelleren van voorspellend onderhoud wonderen doen op je werkvloer. Je hoeft niet weer terug naar de hele legacy-discussie.”

Wat wordt de volgende stap in voorspellende technologie?

Suman Kumar Sengupta

Suman: “In de productie-industrie is er veel procesintegratie en data afkomstig van fabrieken en machines, maar ook data uit ERP-applicaties zoals voorraad- en planningsgegevens. Neem een bedrijf dat honderden en honderden fabrieken heeft en dag in, dag uit, tien jaar lang operationeel is. Hetzelfde gebeurt in honderden andere fabrieken. Hoe verzamel en presenteer je de historische data voor het volgende preventieve onderhoud?”

“Met onze APEx oplossing [zie onderaan] integreren we AI en machine learning om al die historische patronen te krijgen en de voorspelbaarheid – en de vermijdbaarheid – van bepaalde incidenten te verbeteren door in real-time naar de data te kijken.”

“We zien steeds meer volwassenheid op dit gebied. Met hyperscalers zoals AWS worden de data en de beslissingsondersteuning real-time, en de mogelijkheid om zoveel data in real-time of semi-real-time te verwerken is de afgelopen jaren sterk verbeterd.”

De vraag is nu of je na het voorspellen van een storing deze ook kunt voorkomen…
Jeroen: “Nou, de volgende stap na voorspellend onderhoud noemen we prescriptief onderhoud. Hierbij bepaalt het systeem wat je precies moet doen om het voorspelde incident te voorkomen. Het gaat verder dan alleen het plannen van een onderhoudssessie.”

Suman: “En in die laatste fase van volwassenheid heb je misschien geen traditioneel gepland onderhoud meer nodig – op basis van vraag en aanbod of de voorraad, kun je blijven produceren en het onderhoud later doen. Dit prescriptieve onderhoud is dus de toekomst en het vereist alle due diligence waar we het eerder over hadden.”

Kun je ingaan op het belang van AI in de productie-industrie, afgezien van de rol ervan in onderhoud?
Jeroen: “In mijn optiek zijn AI en generatieve AI sterk verbonden met het digital twin-principe. In het verleden was het altijd moeilijk om een digital twin te maken, vooral omdat er geen goede softwareoplossingen waren om ze te bouwen. Maar met AI is de technologie een stuk volwassener geworden. Als je die digitale weerspiegeling hebt van de realiteit, met veel data die stroomt van een bepaalde productielijn, een bepaalde machine en een bepaald proces, kun je de basisgegevens opbouwen die je nodig hebt om voorspellende modellen of AI-modellen te bouwen. Meestal is het verschil tussen een voorspellend model en een AI-model dat het AI-model zelf een gezichtspunt creëert, gebaseerd op een probleemstelling die je had en waarvoor we het model trainen.”

“Hier komt een wat zachter element bij kijken. Ik deed mijn eerste AI-analyseproject in 1996, met neurale netwerken en een soort ‘ingebedde statistiek’. Destijds was het erg moeilijk om mensen ervan te overtuigen dat de uitkomst van het model waarde had. Mensen vroegen: “Kun je uitleggen hoe dit soort waarden hieruit voortkomen? En dat kon natuurlijk niet, want de aard van het model is dat het zichzelf voortdurend opnieuw opbouwt. In de wereld van vandaag accepteren mensen de uitkomst van een model dat op zichzelf moeilijk te begrijpen is. Mensen zijn bereid om te accepteren dat de uitkomst inderdaad waardevol is buiten ons begrip van hoe data en patronen worden ontwikkeld. Ik denk dat dit een belangrijk element is van de versnelling in dit domein.”

Suman: “Nu we aan de vooravond staan van een nieuw digitaal tijdperk in de industrie, is de noodzaak duidelijk: omarm de convergentie van OT en IT of loop het risico achterop te raken. Door samenwerking tussen engineering- en IT-divisies te bevorderen, te investeren in oplossingen voor voorspellend onderhoud en de kracht van AI te benutten, kunnen fabrikanten zich positioneren voor succes in een steeds digitalere wereld.”

Slimme fabrieken met APEx

Cognizant Asset Performance Excellence (APEx) is een slimme productieoplossing voor voorspellend onderhoud, gebouwd op AWS met behulp van meerdere technologieën, zoals geavanceerde computervisie, AI en IoT. De applicatie kan verbinding maken met SCADA MES-systemen en instrumentatie op fabrieksniveau om het juiste niveau van beslissingsondersteunende waarschuwingen binnen te halen. Lees meer over APEx.