Hoe digital twins helpen bij het voorspellen van onderhoud (Predictive Maintenance)

Stel je voor: je staat op het dek van een zware lift-kraanschip, ergens op de Noordzee. De wind waait hard, de golven slaan tegen de romp en je hebt een belangrijke klus te klaren.

Plotseling gaat er een alarm af: een hydraulieksysteem dreigt uit te vallen. Stilstand betekent duizenden euro’s verlies per uur. Dit scenario is helaas realiteit in de maritieme wereld, maar het hoeft niet zo te zijn.

Digital twins bieden hier een uitweg. Ze laten je precies zien wat er onder de motorkap gebeurt, voordat het echt misgaat.

In dit stuk lees je hoe je zo’n digitale dubbelganger opzet voor voorspellend onderhoud (predictive maintenance) op heavy-lift schepen of offshore-installaties.

Wat heb je nodig voor een digital twin?

Je begint met de basics: een schip of offshore-installatie die je wilt monitoren.

Denk aan een heavy-lift schip zoals de Swan of een kraanschip als de Lampung. Je hebt sensoren nodig die data verzamelen, zoals temperatuur- en trillingsmeters van merken als SKF of Schaeffler.

Die sensoren meten continu de toestand van kritieke componenten zoals hijslieren, hydraulische pompen en boegschroeven. Een computer of server om de data te verwerken is essentieel. Kies voor een robuuste oplossing, zoals een edge-computer van Dell of HPE, die bestand is tegen maritieme omstandigheden. Je hebt software nodig om de digitale twin te bouwen.

Gebruik een platform als Siemens MindSphere of Microsoft Azure IoT, die specifiek geschikt zijn voor maritieme toepassingen.

Budget: reken op €5.000 tot €15.000 voor de initiële setup, afhankelijk van de grootte van je vloot. Daarnaast is expertise nodig. Schakel een maritiem engineer in die bekend is met zware liften en offshore-techniek.

Je kunt ook een gespecialiseerd bedrijf inschakelen, zoals Huisman of IHC, voor de installatie. Tijd: reken op 2-4 weken voor de basisinstallatie, plus testtijd. Veelgemaakte fout: te weinig rekening houden met de ruwe maritieme omgeving, waardoor sensoren sneller slijten.

Stap 1: Data verzamelen van je equipment

Eerst installeer je de sensoren op kritieke onderdelen. Plaats trillingsmeters op de lagers van de hijslieren, temperatuursensoren op de hydraulische pompen en drukmeters op de leidingen.

Bij een heavy-lift schip meet je bijvoorbeeld de lagering van de main crane op 0,1 mm nauwkeurig. Gebruik draadloze sensoren van ABB of Honeywell om kabels te minimaliseren en schade te voorkomen. Sluit de sensoren aan op je edge-computer.

Zorg dat de datastroom real-time is: elke 5 seconden een meting is een goed startpunt.

Test de verbinding met een simpele ping-test; vertraging mag niet meer dan 100 ms zijn. Tijd voor deze stap: 1-2 dagen. Veelgemaakte fout: sensoren verkeerd kalibreren, wat leidt tot onnauwkeurige data.

Controleer altijd met een kalibratiecertificaat. Verzamel historische data als je die hebt.

Van je bestaande onderhoudslogboeken of monitoringssystemen haal je gegevens over de afgelopen 2-5 jaar.

Dit helpt bij het trainen van je model. Zonder historische data start je met nul, wat de nauwkeurigheid verlaagt. Richt je op minimaal 10.000 data punten per component voor een betrouwbare basis.

Stap 2: Bouw de digitale twin

Upload de verzamelde data naar je softwareplatform. Gebruik een tool als Siemens MindSphere om een virtuele weergave van je schip te creëren.

Model de fysieke componenten: teken de hijslier, hydraulische pomp en boegschroef in 3D, met exacte maten zoals een lagerdiameter van 150 mm. Dit proces maakt deel uit van maritieme engineering voor heavy-lift; het tekenen duurt ongeveer 3-5 dagen, afhankelijk van de complexiteit. Train het model met machine learning-algoritmen.

Begin met eenvoudige voorspellingen, zoals slijtage aan een lager na 5.000 draaiuren.

Gebruik datasets van vergelijkbare schepen, zoals de DBB-klasse, en de beste software voor scheepsontwerp en stabiliteitsberekeningen om de nauwkeurigheid te verbeteren. Test het model met ongebruikte data; een nauwkeurigheid van 85-90% is een realistisch doel voor maritieme toepassingen. Integreer de twin met je bestaande systemen, zoals het Planned Maintenance System (PMS) van je schip.

Zorg dat waarschuwingen direct doorkomen op je brugdisplay of tablet. Tijd voor deze stap: 1 week.

Veelgemaakte fout: te complexe modellen bouwen zonder basis, wat leidt tot overfitting.

Houd het simpel en schaal later op.

Stap 3: Voorspellend onderhoud instellen

Definieer waarschuwingstriggels in je digital twin. Stel in dat een trillingsniveau boven 5 mm/s op een hijslierlager een alarm geeft.

Voor hydraulische systemen: een temperatuurstijging van meer dan 10°C boven normaal activeert een check.

Deze drempels baseer je op fabrikantgegevens, bijvoorbeeld van SKF-lagers voor zware toepassingen. Simuleer scenario’s om de twin te testen. Draai een test op een rustig moment, zoals tijdens ballasttijd, en bekijk hoe de twin reageert op een gefabriceerde storing.

Meet de responstijd: idealiter binnen 5 minuten een advies voor inspectie. Tijd voor deze stap: 2-3 dagen. Veelgemaakte fout: waarschuwingen te gevoelig instellen, wat leidt tot false positives en onnodige stilstand. Koppel de output aan je onderhoudsplan.

Als de twin aangeeft dat een pomp na 2.000 uur onderhoud nodig heeft, plan je dat in vóór de volgende vaart.

Op een offshore-platform betekent dit vaak een venster van 24-48 uur tussen klussen. Budget voor deze fase: €2.000-€5.000 voor software-updates, of voor het laten maken van een compleet scheepsontwerp.

Stap 4: Implementatie en monitoring in de praktijk

Activeer de digital twin op je schip of platform. Start met één component, zoals de main crane, voordat je uitbreidt naar de hele vloot.

Monitor de data dagelijks via een dashboard op je tablet of computer. Stel e-mail- of SMS-notificaties in voor kritieke alarms, zoals een drukval in de hydrauliek.

Train je crew en onderhoudspersoneel. Geef een korte workshop van 2 uur over hoe ze de twin lezen en wat te doen bij een alarm. Gebruik praktijkvoorbeelden, zoals een recente storing op een heavy-lift schip. Tijd voor implementatie: 1 week per schip.

Veelgmaakte fout: niet betrekken van de crew, waardoor alerts genegeerd worden. Pas de twin aan op basis van echte ervaringen.

Als een voorspelling niet klopt, bijvoorbeeld een valse alarm voor boegschroef-slijtage, fine-tun je het model. Dit voorkomt frustratie en verbetert de betrouwbaarheid. Reken op een cyclus van 1-2 maanden voor eerste aanpassingen.

Verificatie-checklist

• Sensoren geïnstalleerd en gekalibreerd? Controleer meetnauwkeurigheid (0,1 mm voor trillingen).
• Data verzameld? Minimaal 10.000 punten per component, historie van 2-5 jaar.
• Digitale twin gebouwd? Model getest met 85-90% nauwkeurigheid op ongebruikte data.
• Waarschuwingen ingesteld? Drempels gebaseerd op fabrikantgegevens, zoals SKF-lagers.
• Geïmplementeerd en getraind? Crew opgeleid, dashboard actief, eerste simulatie uitgevoerd.
• Bijgewerkt na ervaringen? Model gefinetuned na 1-2 maanden monitoring.

Met deze stappen zet je een krachtig systeem neer dat je helpt onderhoud te voorspellen en stilstand te minimaliseren. Probeer het uit op je volgende heavy-lift operatie en merk het verschil.