Waarom hebben we zoveel machinedata, maar zo weinig bruikbare informatie? 

“We hebben data zat. Alleen niet de data die we nodig hebben.”

Dat is herkenbaar voor veel productiebedrijven. Machines, PLC’s en sensoren produceren continu data. Maar zodra IT of BI die data wil gebruiken voor een dashboard, analyse of AI-toepassing, begint het echte werk pas. Data staat verspreid over PLC’s, SCADA, MES, ERP en Excel. Interfaces zijn niet altijd gedocumenteerd. En voor iedere nieuwe use case lijkt opnieuw een koppeling nodig. 

De vraag is dus niet: hoe krijgen we méér data? De vraag is: hoe maken we de data die we al hebben bruikbaar? 

Moeten we dan eerst onze hele fabriek digitaliseren? 

Nee, juist niet. Begin met één concrete use case. Bijvoorbeeld: 

• waarom staat een productielijn vaker stil?  

• waardoor ontstaan kwaliteitsafwijkingen?  

• kunnen we onderhoud eerder voorspellen?  

• waar verbruiken we onnodig energie?  

Sluit daarvoor alleen de relevante assets aan. Bouw het datafundament rondom die use case en breid daarna uit. Zo wordt data-ontsluiting uit assets geen jarenlang IT-project, maar een eerste stap naar aantoonbare operationele waarde. 

Maar onze PLC’s zijn oud. Kunnen we die data überhaupt ontsluiten? 

Vaak wel. Veel fabrieken werken met oudere PLC’s, lokale SCADA-systemen en verschillende protocollen. Dat hoeft geen reden te zijn om te wachten op een volledige modernisering.  Met standaard industriële connectoren zoals OPC UA, MQTT, Modbus en Siemens S7 kun je bestaande OT-data ontsluiten en gecontroleerd beschikbaar maken voor IT en analytics.   De kunst zit vervolgens niet alleen in de verbinding, maar vooral in wat je met die data doet. 

Hoe voorkom ik dat iedere nieuwe vraag weer een integratieproject wordt? 

Door data niet per use case apart te ontsluiten. Breng assetdata, ERP-, MES- en kwaliteitsdata samen op één centraal fundament. In ons Maestro dataplatform gebeurt dat in OneLake, waarbij realtime en historische data volgens een gestandaardiseerde architectuur worden verwerkt.  Daarmee wordt een volgende use case steeds meer een kwestie van bestaande data combineren, in plaats van opnieuw beginnen. 

Wie moet dit eigenlijk trekken: IT of OT? 

Samen. OT kent de machines, processen, protocollen en eisen rond continuïteit. IT kent architectuur, data, security, governance en schaalbaarheid.  Als beide werelden ieder hun eigen project draaien, ontstaat opnieuw een silo. Juist de verbinding tussen OT en IT bepaalt of machinedata uiteindelijk bedrijfswaarde oplevert. Dat is ook de reden dat Axians en Actemium hun expertise combineren: van machine en sensor via OT-connectiviteit en edge naar dataplatform, BI en AI.  

Wat is een goede eerste stap? 

Niet: “Hoe sluiten we al onze machines aan?” Maar: “Welke operationele beslissing willen we verbeteren, en welke data hebben we daarvoor nodig?”  Dat verandert het gesprek van technologie naar resultaat. Van sensor naar inzicht begint dus niet met méér data, maar met de juiste data op de juiste plek.