In het kort
- Realtime monitoring vraagt geen grote IT-revolutie; een goed gekozen pilot op één lijn of één machine is binnen 6-10 weken operationeel.
- De waarde zit in vier toepassingen: predictive maintenance, OEE-bewaking, realtime kwaliteit en energiemonitoring.
- De koppeling met ERP en MES gebeurt via een tussenlaag — geen directe machine-naar-ERP-verbindingen, want die schalen niet en worden onbeheersbaar.
Bij vrijwel elk productiebedrijf draait ergens een rapport dat eens per dag, week of maand iets vertelt over hoe het gisteren ging. Dat rapport is nuttig voor management, maar nutteloos voor de operator op de vloer. Die wil weten of zijn lijn nu loopt zoals zou moeten — en als dat niet zo is, waarom niet, en hoe lang het al duurt.
In dit artikel beschrijven we hoe je van batch-rapportage naar realtime data komt zonder dat het een meerjarig IT-project wordt. We bespreken de technologieën, de toepassingen waar de meeste winst zit, en hoe je realtime data koppelt aan je ERP- of MES-systeem zonder dat je alle infrastructuur hoeft te vervangen.
Batch versus realtime: waar zit het verschil?
Een batch-rapportage werkt achteraf: de ploeg eindigt om 22:00, de data wordt 's nachts verwerkt, het rapport ligt 's ochtends om 7:00 op het bureau. Voor management is dat prima — lange-termijntrends, kosten en planning hangen niet af van halfuur-precisie. Voor de werkvloer is dat te laat.
Realtime data daarentegen wordt continu gemeten en gepresenteerd: een dashboard naast de lijn dat per seconde aangeeft of de lijn op snelheid loopt, of de kwaliteit goed blijft, of er een storing in opmars is. Het verschil zit in operationele snelheid: bij batch reageer je morgen, bij realtime stuur je nu.
De technologie-stack
Een realtime monitoring-omgeving heeft vier lagen:
1. Bron — communicatie met de machine
Moderne machines praten OPC-UA, Modbus, Profinet of MQTT. Oudere machines hebben soms alleen een seriële poort of een PLC met read-only registers. Voor beide bestaan oplossingen: een edge-device of industriële PC die signalen uitleest en doorvertaalt naar moderne protocollen. Geen vervanging van de machine zelf nodig.
2. Edge — voorbewerking en bufferen
Op de fabrieksvloer staat een edge-gateway (Siemens, Beckhoff, of een industriële Linux-box) die data uitleest, normaliseert en op een MQTT-broker publiceert. Hier vindt ook voorfiltering plaats: niet elke meetwaarde hoeft naar boven.
3. Cloud of on-premises broker
De data komt binnen op een MQTT-broker (HiveMQ, Mosquitto) of een cloud-IoT-platform (Azure IoT Hub, AWS IoT Core). Hier wordt de data gerouteerd naar verschillende consumenten: dashboards, ERP, MES, alerts, archief.
4. Verwerking en opslag
Stream-processing met Kafka, Apache Flink of Azure Stream Analytics. Opslag in een time-series database (InfluxDB, TimescaleDB, Azure Data Explorer) die specifiek is ontworpen voor de miljoenen meetwaarden per dag die een fabriek genereert.
Vier toepassingen waar realtime data terugverdient
Predictive maintenance
Lagers, motoren, frequentieregelaars en kleppen geven signalen af voor ze stuk gaan: een licht verhoogde temperatuur, een trilling die net buiten de norm valt, een stroomverbruik dat onverwacht stijgt. Realtime monitoring met goed gekalibreerde alerts kan ongeplande stilstand met 30 tot 50 procent reduceren. Bij één productiebedrijf waar we dit hebben geïmplementeerd, leverde één alert per maand al meer dan 100.000 euro voorkomen schade.
OEE-bewaking
Overall Equipment Effectiveness (beschikbaarheid x prestatie x kwaliteit) is de gouden KPI van productie. Realtime gemeten OEE laat de operator direct zien waar verlies optreedt — in plaats van het pas in de maandrapportage te ontdekken. Verschuiving van een gemiddelde OEE van 65 naar 75 procent is bij veel bedrijven realistisch en levert direct meer output zonder extra capaciteit.
Realtime kwaliteit
Een vulmachine die net buiten tolerantie gaat zorgt voor een batch afkeur die uren later pas wordt ontdekt — en dan met dure handmatige correcties. Realtime kwaliteitsmetingen (gewicht, dikte, kleur, vochtgehalte) kunnen direct bijsturen of stoppen voor de uitval te groot wordt.
Energiemonitoring
Energie is een van de grootste verborgen kosten in productie. Realtime energie-data per machine of per lijn laat zien waar onnodig wordt verbruikt: een persluchtcompressor die 's nachts blijft draaien, een lijn die uren idle staat te draaien, een oude motor die het dubbele verbruikt van de moderne variant. Bedrijven realiseren regelmatig 10-20 procent energiereductie zonder dat de productie verandert.
Koppeling aan ERP en MES
Een veelgemaakte fout: machinedata rechtstreeks naar het ERP duwen. Dat schaalt niet (een ERP is niet ontworpen voor duizenden meetwaarden per seconde) en het maakt het hele landschap fragiel.
De goede aanpak: een tussenlaag die data ontvangt, aggregeert en op het juiste detailniveau doorgeeft. Het ERP krijgt aggregaten (per uur, per shift, per batch). Het MES krijgt fijnere data (per cyclus, per stuk). De ruwe machinedata blijft in de time-series database. Door deze ontkoppeling kan de machine wijzigen zonder dat het ERP omvalt, en omgekeerd. Zie ook ons artikel over IT-systemen koppelen zonder migratie — dezelfde principes gelden hier.
Zonder grote infrastructuurwijziging beginnen
De meeste productiebedrijven hebben één grote zorg bij realtime data: "moet ik dan mijn hele machinepark vervangen?" Het antwoord is nee. Het stappenplan dat in vrijwel elk traject werkt:
- Kies een of twee machines met de meeste impact. Vaak een knelpuntmachine of een lijn met veel ongeplande stilstand.
- Plaats een edge-device. Een industriële gateway leest de bestaande PLC of machine uit zonder dat de machine zelf wordt aangepast.
- Bouw een eerste dashboard. Liefst direct op een groot scherm naast de machine zichtbaar voor de operators.
- Verifieer waarde binnen 6-10 weken. Concreet: minder stilstand, snellere reactie of beter inzicht.
- Breid uit naar meer machines en koppel aan ERP/MES. Pas als de eerste pilot z'n waarde heeft bewezen.
Praktijk: bij een productiebedrijf in de verpakkingsindustrie startten we met één vulmachine. Acht weken later draaide het dashboard, twaalf weken later was de eerste predictive-maintenance-alert al een keer voorkomen schade. Het management besloot vervolgens om de aanpak uit te rollen over alle 14 lijnen — precies omdat de pilot bewees dat het werkt.
Conclusie
Realtime data op de werkvloer is geen Industry 4.0-toekomstmuziek meer; het is een uitvoeringsvraag. De technologie is volwassen, de protocollen zijn standaard, en de aanpak is bewezen. Wie nog op batch-rapportage draait, laat structureel geld liggen — in stilstand, in afkeur en in energie. Beginnen kan klein. Resultaat is binnen drie maanden zichtbaar.