Logisticon
Logisticon legt met AI de basis voor voorspellende en schaalbare dienstverlening
Hoe benut je de groeiende hoeveelheid data uit waterzuiveringsinstallaties om eerder bij te sturen, onderhoud beter te plannen en specialistische kennis effectief in te zetten?
Samen met Info Support onderzocht Logisticon deze vraag in een gerichte AI-sprint. We ontwikkelden niet alleen een werkend voorspellend model, maar brachten ook in kaart wat nodig is om AI betrouwbaar, uitlegbaar en beheersbaar in de dagelijkse dienstverlening toe te passen.
Het resultaat is een gevalideerde basis voor voorspellend beheer, onderhoud, slimme alarmering en verdere digitale ondersteuning van procestechnologen en service engineers.
Uitdaging
Groeien zonder grip op installaties en specialistische kennis te verliezen
Doelgoep
Procestechnologen en engineers die waterzuiveringsinstallaties beheren
Resultaat
Een schaalbare AI-basis voor voorspellend procesbeheer, onderhoud en slimme alarmering
De uitdaging: groeien zonder grip en kennis te verliezen
Logisticon ontwikkelt en beheert waterzuiveringsinstallaties voor onder meer drinkwater, proceswater en afvalwater. Sensoren in deze installaties registreren continu waarden zoals onder andere druk, temperatuur, flow en geleidbaarheid.
Procestechnologen en engineers combineren deze data met hun vakkennis om afwijkingen te beoordelen, interventies te bepalen en onderhoud te plannen. Een deel van deze analyse gebeurt nog handmatig: meetgegevens worden uit de installaties gehaald, in Excel verwerkt en met behulp van formules beoordeeld.
Naarmate Logisticon meer installaties beheert, wordt deze werkwijze steeds lastiger schaalbaar. De hoeveelheid data groeit, terwijl specialisten niet alle meetwaarden voortdurend kunnen volgen. Daardoor ontstaat de behoefte om ontwikkelingen automatisch inzichtelijk te maken, zonder de inhoudelijke beoordeling bij de specialist weg te nemen.
Tegelijkertijd bevindt een belangrijk deel van de proceskennis zich in de hoofden van ervaren medewerkers en verspreid over documenten, berekeningen en beslisregels. Daardoor blijft de dienstverlening sterk afhankelijk van schaarse expertise.
AI als ondersteuning, niet als vervanging
Logisticon wilde daarom onderzoeken hoe AI kan helpen om afwijkingen eerder te signaleren, onderhoudsbeslissingen beter te onderbouwen en specialistische proceskennis vast te leggen en herbruikbaar te maken. Daarbij stond één uitgangspunt centraal: AI ondersteunt de procestechnoloog en engineer, maar neemt de besluitvorming niet over.
“Naarmate we meer installaties beheren, groeit ook de hoeveelheid data die onze specialisten moeten beoordelen. We zochten daarom niet naar AI om mensen te vervangen, maar naar een manier om hun kennis gerichter en op grotere schaal in te zetten.”Directeur bij Logisticon
Logisticon heeft expertise in het bouwen van waterzuiveringsinstallaties, maar zocht voor softwareontwikkeling en het opzetten van een dataplatform een gespecialiseerde partner. Info Support bracht de benodigde expertise in data, AI en softwareontwikkeling samen om de technische mogelijkheden te verbinden met de proceskennis van Logisticon.
Onze aanpak: van brede AI-ambitie naar een toetsbare businesscase
We begonnen niet bij de technologie, maar bij de businessvraag. Samen met Logisticon brachten we de brede ambitie terug tot één concrete en meetbare use case: kunnen we op basis van historische sensordata voorspellen wanneer specifieke drukwaarden een grenswaarde dreigen te overschrijden?
“Met behulp van een AI Canvas verbonden we de businessvraag, beschikbare data, domeinkennis en gewenste besluitvorming. Door de vraag scherp af te bakenen, voorkwamen we een vrijblijvend technologie-experiment en konden we binnen twee weken concrete resultaten realiseren”.Bart Renders, managing consultant bij Info Support
Met historische sensordata uit twee waterzuiveringsinstallaties ontwikkelden we een voorspellend model dat ontwikkelingen in relevante meetwaarden tot veertien dagen vooruit inschat. Door te kiezen voor een relatief eenvoudig en snel te valideren model konden we binnen de AI-sprint toetsen of de beschikbare data voldoende voorspellende waarde heeft.
Daar bleef het niet bij. We digitaliseerden ook een bestaande beslisboom van de procestechnologen. Het systeem combineert historische gegevens en voorspelde meetwaarden met de proceskennis van Logisticon. Zo vertaalt het model zijn uitkomsten naar een uitlegbaar advies en maakt het inzichtelijk welk beslispad daarbij is gevolgd.
De oplossing is nadrukkelijk ingericht volgens het human-in-the-loop-principe. AI analyseert, voorspelt en adviseert. De procestechnoloog beoordeelt de context en neemt de uiteindelijke beslissing
“Vooraf was voor ons nog niet duidelijk welke waarde AI binnen onze dienstverlening kon bieden. Dit experiment laat zien dat AI relevante voorspellingen kan doen, terwijl onze eigen beslisregels en het oordeel van de procestechnoloog leidend blijven. Juist die combinatie maakt de uitkomsten bruikbaar en uitlegbaar.”Directeur Logisticon
“Tijdens de sprint beoordeelden we als procestechnologen de voorspellingen en beslispaden aan de hand van praktijksituaties. Die feedback heeft Info Support gebruikt om de adviezen, terminologie en signaleringsdrempels beter te laten aansluiten op het dagelijkse werkproces.”Procestechnoloog bij Logisticon
Het resultaat: sneller inzicht en een onderbouwd groeipad
De AI-sprint toonde aan dat historische installatiedata bruikbaar is om ontwikkelingen in relevante meetwaarden vooruit te voorspellen en potentiële grenswaardeoverschrijdingen zichtbaar te maken voordat ze optreden. Daarmee ontstaat de mogelijkheid om procestechnologen sneller inzicht te geven, handmatige analyses te verminderen en onderhoudsbeslissingen beter te ondersteunen.
Logisticon beschikt nu over een gevalideerde AI-use case, werkende voorspellende modellen, herbruikbare dataverwerkingscode en een digitale beslisboom die modeluitkomsten vertaalt naar uitlegbare adviezen. Deze bouwstenen zijn zo opgezet dat nieuwe installaties, meetwaarden en toepassingen stapsgewijs kunnen worden toegevoegd, zonder telkens opnieuw te beginnen.
Tegelijkertijd werd duidelijk welke randvoorwaarden nodig zijn voor betrouwbare toepassing, waaronder consistente datakwaliteit, eenduidige definities, vastgelegde proceskennis en structurele monitoring.
Daarmee heeft Logisticon inzicht in wat technisch mogelijk is én wat nodig is om AI duurzaam in de dagelijkse dienstverlening te verankeren.
Stapsgewijs opschalen
De volgende stap is om data uit verschillende installaties structureel en gestandaardiseerd samen te brengen en de modellen gecontroleerd door te ontwikkelen. Zo kan Logisticon stapsgewijs uitbreiden naar toepassingen als slimme alarmering, anomaly detection, voorspellend onderhoud en digitale ondersteuning van procestechnologen en engineers, met behoud van regie over data, processen en besluitvorming.
“Voor ons was het belangrijk om niet alleen een technisch experiment uit te voeren, maar vooral te begrijpen hoe we AI duurzaam kunnen inzetten binnen onze dienstverlening. Samen met Info Support hebben we een concrete toepassing gerealiseerd en tegelijkertijd scherp gekregen wat nodig is om verder op te schalen. Dat geeft ons een onderbouwde basis om gericht te investeren in datagedreven en voorspellende dienstverlening.”Directeur bij Logisticon