Rondetafel 14 2018: Big Data in maintenance

Big Data in het onderhoud: groot denken en klein beginnen

Waar kun je een rondetafelgesprek over big data beter houden dan in de Jherominus Academy of Data Science (JADS)? Achttien experts uit het onderhoudsveld schoven er op 25 oktober aan tafel om te praten over big data in de context van onderhoud. Belangrijkste vraag: wat zijn de remmende en stimulerende factoren voor het toepassen van big data in het onderhoud?

De rondetafelbijeenkomst in Den Bosch is de laatste in een serie van veertien. De themabijeenkomsten vonden plaats naar aanleiding van de Delphi-studie Smart moves for smart maintenance uit 2016 over de belangrijkste innovatie-onderwerpen in maintenance.

WCM-directeur Henk Akkermans opent het gesprek met de vaststelling dat big data op één eindigde in het onderzoek. “Toen was dat toch wel een schok, nu zouden we er minder van opkijken.” Akkermans schetst vervolgens de context van die eerste plaats in het hele onderzoek en de onderlinge verbanden tussen de veertien onderwerpen. “Big data is geen doel, maar een onderdeel van een datagerichte ontwikkeling in het onderhoud”, zegt hij. “Maar waarom gebeurt het nog niet op grote schaal?”

Veel of weinig data nodig?

Simon Jagers (Semiotic Labs) neemt als eerste het woord. “Van lab naar veld is een belangrijke stap. De realiteit houdt zich niet altijd aan de spreadsheet. Je hebt bijvoorbeeld te maken met zaken als veiligheid of defecte sensoren. De stap naar realiteit is lastig.” Hij voegt toe dat het verstandig is om met zo min mogelijk data te werken omdat het installeren van sensoren in het veld soms moeilijk is.
Paul Stam van Stork ziet dat anders. “Welke data we nodig hebben om te kunnen voorspellen weten we niet omdat het afhangt van veel factoren. Dat moet je eerst weten en daarvoor heb je dus veel data nodig. En vervolgens heb je experts nodig die het faalgedrag snappen plus de degradatiemodellen.”

Multidisciplinaire teams

Nils Luger (SPIE) vindt dat je multidisciplinaire teams moet samenstellen als je met data(analyse) aan de slag gaat. “Zet een werktuigbouwkundige, elektrotechnicus, wiskundige en vakexpert bij elkaar. Hoe ga je meten, welke correlaties vind je, et cetera.” Stam is het met hem eens en ziet het ook als een mooie manier om kennis te borgen. Rien van den Heuvel (SPIE) grijpt terug naar de vraag waarom het toepassen van big data nog zo weinig gebeurt. “De reden zijn wijzelf en ligt voornamelijk in de cultuur.” Stam: “En het management, want dat ziet het niet zitten.” Van den Heuvel vindt die conclusie ‘jammer’ en ‘gemakkelijk’, maar wordt onderbroken door Angelien van Boxtel (Rijkswaterstaat-RWS). Zij zegt dat het gebrek aan gebruiksdata een belangrijke reden is.

Idioten

Van Boxtel legt uit dat niet geld de drijfveer is om met big data aan de slag te gaan, maar ‘een aantal idioten in de organisatie die het graag oppakken’. En dat levert soms mooie resultaten op, zegt ze. “We hebben onderzoek gedaan naar het faalgedrag van de dure pompen in een gemaal bij IJmuiden. We hebben data-analyse toegepast en wat blijkt: het zoutgehalte van het water blijkt de belangrijkste factor voor de levensduur, dus nu zit er een zoutsensor op.” Stam: “Maar om dat te weten, heb je eerst meer data moeten monitoren.” Jagers: “Ja en dat is goed, maar hoe meer data je hebt, hoe meer je moet onderhouden. Dat moet je wel in het oog houden.”

Domeinkennis

Rob Burghard (EnerGQ) legt vervolgens uit hoe zijn bedrijf met data-analyse omgaat. Systemen bestaan uit verschillende componenten en alles beïnvloedt elkaar, zegt hij. “Je moet het dus integraal benaderen en koppelen aan SCADA of DCS systemen en aanvullen met domeinkennis.” Energiedata speelt een belangrijke rol om te kunnen detecteren wat er mis dreigt te gaan. EnerGQ zet daarbij machine-learning in om tot nieuwe inzichten te komen.

Open data

Heijmans en SPIE werken soms aan dezelfde assets. Nils Luger van SPIE vraagt aan Sanderink waarom de organisaties de data daarvan niet delen. “Ik hoef jullie data niet, maar wel jullie inzichten. Zeker in relatie tot de personeelstekorten.” Van Boxtel: “Wat wij doen willen we in open data doen, want dan kun je een slag maken. Wij zijn niet uit op meer contracten met individuele aannemers.” Akkermans wil weten hoe je de samenwerking tussen organisaties kunt ontwikkelen. “Alles open is een optie, maar wat vinden de contractors daarvan?” Stam: “Bedrijven denken in concurrentievoordeel.” Jagers: “Wij werken voor multinationals. Als wij zeggen ‘de data zijn van ons’, dan is het direct einde verhaal.”

Algoritmes van overheidsgeld

Frans Verwoerd (IMS) bekijkt het van drie kanten. “Bij big data heb je een data-eigenaar, overheid of privaat, een onderwijsinstelling die onderzoek doet en daar open over publiceert en bedrijven die data analyseren en adviseren. En daar zit de uitdaging; als ik een half miljoen investeer in een algoritme dan ga ik dat niet delen. Maar contracten van de overheid moeten open zijn; algoritmes gebouwd met overheidsgeld moeten beschikbaar komen.”

Databeheerspersoon

Ander onderwerp, zegt Akkermans. Hoe krijg je data geïmplementeerd in het onderwijs. Hij vraagt dit aan Kenny van Ommen die zich bij Shell bezighoudt met het ontwikkelen van opleidingen. “Jij hebt het eerder al gedaan voor operations. Wat zijn jouw ervaringen?” Van Ommen: “De benodigde data komen uit het proces. De operator is niet meer degene die zegt dat er iets anders moet. Hij komt steeds verder van het proces te staan. Over twintig jaar is het een databeheerspersoon.” Van Ommen verwacht ook voor maintenance een ontwikkeling in die richting.

Onderwijs

Bij ROC West-Brabant gebeurt nog niet veel met data in relatie tot onderhoud, zegt Paul van Hegelsom: “En dat komt door de inrichting van de opleiding. Engineering en maintenance zitten niet bij elkaar. Maar de bewustwording komt wel, dat je de info die beschikbaar komt, kunt gebruiken voor het doen van voorspellingen. En er komen wel meer mogelijkheden om dit soort dingen samen op te pakken, maar structureel big data meenemen in de opleidingen, dat gebeurt nog niet.”

Meer developers dan data scientists

Na een korte koffiebreak krijgen alle deelnemers nog een keer het woord. Niels van Hofwegen (EPCOR): “Als het over big data en domeinkennis gaat, is mijn filosofie dat je begint bij de domeinkennis. Dat vertelt je over het product, data is slechts een middel. Hoe je de data moet inrichten, dat is een andere vraag. Daar spendeer ik veel geld aan: ik heb meer developers dan data scientists in dienst. Developers zijn op dit moment belangrijker. Data science in combinatie met domeinkennis gaat de voorspellende factor brengen.”

Nieuwe businessmodellen

Willem-Jan van den Heuvel (JADS) haakt aan: “JADS richt zich op ondernemerschap en data. Wij zien data als een manier om processen te verbeteren of nieuwe businessmodellen te zoeken. Die discussie over ondernemerschap hoor ik hier niet zo, dat valt me wel op.” Volgens Jeroen Linssen (Saxion Hoogeschool) is een deel van het verhaal ook een imagoprobleem. “We weten niet goed wat data science precies is, net als machine learning en artificial intelligence. Wat is het nu precies? Dat moeten we samen afspreken. Want als je met verschillende mensen samenkomt, is het handig als je het over hetzelfde hebt.”

Integreren en delen

Mischa Beckers (Hogeschool Zeeland) ziet data science als een middel. “Maar daarvoor heb je wel draagvlak nodig. Je moet dus inzichtelijk maken wat je doet. Denk aan: wat wil de business, hoe krijg je de vloer mee, waar zijn de data die dit probleem oplossen, maar ook aan de datakwaliteit: tachtig procent van het werk zit aan de voorkant.” Frans Verwoerd (IMS) noemt het gebrek aan samenwerking. “De uitdaging voor de industrie zijn de verschillende silo’s waarin we werken. Creëer iets tussen die silo’s in een bedrijf. Maak ook duidelijk aan de data-eigenaar wat zijn voordeel is. Wil je data van een fabrikant dan moet je bereid zijn de data terug te delen, zodat zij kunnen verbeteren. Dat is het: meer integreren en delen.”

Tijd nodig

Henk Lankamp (Roelofs Groep) bekijkt het vanuit de traditionele infrasector. “Er is veel domeinkennis, maar die is heel gefragmenteerd en zit bij de provincie, bij gemeenten en bij waterschappen. Big data zal zeker een rol gaan spelen. Je hebt wel voorvechters nodig, zoals bij Rijkswaterstaat. Maar bij het lager onderhoud zijn de mensen al zo druk. We zien zeker kansen, maar het heeft tijd nodig.”

Gilbert Westdorp (RWS): “Bij big data gaat het om groot denken en klein beginnen. En het is een open deur, maar als je niet kunt delen, kun je ook niet vermenigvuldigen. Daarom zijn open data belangrijk. Bij ons zien we steeds meer praktijkvoorbeelden die laten zien dat het niet zo ingewikkeld is en dat het helpt. Rijkswaterstaat staat voor een enorme vervangingsopgave, voor een energietransitie en dan gaat ook nog eens een kwart van de medewerkers weg door de vergrijzing. Gelukkig hebben we de techniek steeds beter op orde, inclusief de data.”