Digitale omslag stelt maakindustrie voor ingrijpende keuzes
Hete hangijzers op Savaco Engineering & Industry Day 2026
Op de voorbije Savaco Engineering & Industry Day bogen professionals uit de engineering- en industriesector zich over actuele thema’s die de industrie recht in het hart raken. Tot de voornaamste topics behoorden 'digitalisering', 'innovatie' en 'industriële transformatie', tendensen die steeds dieper doorsijpelen in de manier waarop bedrijven hun productie- en engineeringprocessen organiseren. Het event legde daarbij ook bloot welke nieuwe mogelijkheden digitale technologie en geïntegreerde IT- en OT-oplossingen binnen productie en engineering aanreiken.
Koers houden in veranderend landschap
Overvloed aan data, gebrek aan inzicht
Dirk Michiels, CEO van IT-dienstverlener Savaco, sprak tijdens de Engineering & Industry Day over de digitale versnelling en de impact daarvan voor organisaties. Hij ging in op drie thema’s die in zijn ogen nauw met elkaar samenhangen: data, cybersecurity en artificiële intelligentie. Vooral het datavraagstuk is voor veel industriële bedrijven een herkenbaar euvel. "Er wordt massaal informatie verzameld, maar die gegevens zitten vaak verspreid over verschillende systemen en toepassingen. De grote uitdaging zit hem in het omzetten van die datastromen naar bruikbare inzichten en strategische waarde”, oppert Michiels.
De versnippering van gegevens raakt tegelijk aan een ander punt dat Michiels tijdens zijn uiteenzetting aanhaalde. De toenemende digitalisering brengt voor industriële bedrijven immers een bredere waaier aan digitale dreigingen met zich mee. "Naarmate machines, IoT-toestellen en andere systemen onderling meer gegevens uitwisselen, neemt ook de nood toe om die verbindingen goed te beveiligen. Cybersecurity krijgt daardoor een steeds groter gewicht binnen industriële omgevingen."
"Zonder goede data en governance kan AI geen waarde genereren”
AI-potentieel nog niet ten volle benut
Intussen vindt artificiële intelligentie stilaan haar weg naar steeds meer bedrijfsprocessen. Michiels wijst in dat verband onder meer op AI-agents die zelfstandig of semi-autonoom bepaalde handelingen voor hun rekening kunnen nemen. "Een agent kan een medewerker ondersteunen bij een afgebakende opdracht. Worden meerdere agents ingezet, dan kunnen zij elk een specifieke stap binnen een proces voor hun rekening nemen en die vervolgens op elkaar afstemmen", aldus Michiels.
Toch gaapt er nog een kloof tussen de belofte van AI en de meerwaarde die er daadwerkelijk uit voortvloeit. “Veel toepassingen zitten nog in een experimentele fase en het is lang niet altijd duidelijk welke use cases daadwerkelijk betekenisvol zijn”, vertelt Michiels. “Uiteindelijk hangt veel af van de kwaliteit van de gegevens, de betrouwbaarheid van de output en de manier waarop AI in bestaande werkmethodes wordt geïmplementeerd. Zonder goede data en governance kan AI immers geen waarde genereren.”
Die vaststelling maakt de manier waarop AI binnen een organisatie wordt ingebed des te belangrijker. Een heldere strategische afweging dringt zich dan ook op. “Artificiële intelligentie moet afgestemd zijn op de algemene bedrijfsstrategie en gericht zijn op concrete meerwaarde”, zegt Michiels. "Dat betekent onder meer duidelijke afwegingen over wat intern wordt ontwikkeld en wat wordt aangekocht, prioriteiten bepalen en inzetten op change management zodat medewerkers de nieuwe technologie effectief kunnen inzetten."
Onderhoud krijgt voorspellend karakter
Jonathan Budai en Wim Van Geem van Savaco gingen in hun presentatie ‘Slimme machines, slimmer onderhoud in the field’ op hun beurt in op de gegevens die machines tijdens hun werking genereren en de mogelijkheden die daarmee ontstaan voor het onderhoud. “In de praktijk botsen veel industriële bedrijven op gelijkaardige uitdagingen. De nood om performanter te werken en kosten onder controle te houden gaat vaak gepaard met een gebrek aan consistente en gecentraliseerde data. Vaak is de data dus wel aanwezig, maar is ze versnipperd over verschillende systemen, sites of leveranciers”, getuigt Budai. “Dit leidt niet zelden tot ongeplande stilstanden en een reactieve onderhoudsaanpak.”
Volgens Budai ligt het knelpunt intussen minder bij de technologie zelf. “Technologie an sich is niet langer de grootste uitdaging. Oplossingen om data te capteren en te verwerken is intussen volwassen en schaalbaar”, zegt hij. “De echte meerwaarde ontstaat pas wanneer bedrijven die data effectief benutten om inzichten te genereren, processen te finetunen en bijvoorbeeld predictive maintenance mogelijk te maken.”
CNH als concrete testcase
Een case bij machineconstructeur CNH maakte duidelijk hoe die benadering er in de praktijk uitziet. CNH produceert onder meer maaidorsers, waarin verschillende sensoren informatie verzamelen over het gebruik en de prestaties van de machine. Die gegevens zijn voor de gebruiker waardevol, onder meer om de opbrengst uit de oogst te verhogen, de machinevloot te beheren en wettelijk verplichte informatie te verzamelen. Tegelijk zijn de machines uitgerust met tal van roterende componenten die tijdens het gebruik zwaar worden belast. “Een feilloze werking van die onderdelen is bepalend voor de bedrijfszekerheid”, zegt Wim Van Geem. “Door sensoren in te zetten, kunnen afwijkingen in hun functioneren tijdig worden vastgesteld.”
De technische uitwerking bracht behoorlijk wat uitdagingen met zich mee. Het systeem moest verschillende machinetypes en configuraties ondersteunen, met ruimte voor de ontwikkeling van eigen sensoren en draadloze communicatie door CNH. “Elke meting genereerde bovendien aanzienlijke hoeveelheden data, en de communicatie moest bi-directioneel verlopen, zodat de data niet alleen verzameld, maar ook naar de machine gestuurd kon worden. En dat alles in een veilige omgeving, met aandacht voor cybersecurity”, aldus Van Geem.
Savaco bouwde de omgeving met Microsoft Azure-technologie. “Enkel relevante en geoptimaliseerde data wordt doorgestuurd naar de cloud, waar verdere verwerking en analyse plaatsvindt. Data-analisten kunnen deze informatie gebruiken om machine learning-modellen te ontwikkelen, terwijl operatoren via live dashboards inzicht krijgen in de resultaten van de metingen.”
De analyse van die gegevens maakt het mogelijk om afwijkingen in de werking van componenten te detecteren en patronen over langere tijd te herkennen. "Op basis daarvan kan predictive maintenance deel uitmaken van het onderhoudsproces. Onderhoudsinterventies worden dan ingepland op basis van de gemeten toestand van een onderdeel, eerder dan volgens een vast interval of na het optreden van een defect."
Van reageren naar anticiperen
“Organisaties die erin slagen om hun data niet alleen te verzamelen, maar ook effectief te analyseren en te benutten, kunnen daarmee een concurrentieel voordeel verwerven. Denk daarbij aan het vermijden van stilstand, het verhogen van kwaliteit, het verbeteren van klanttevredenheid of het ontwikkelen van nieuwe diensten. De impact van slimme, datagedreven beslissingen is aanzienlijk. Naarmate processen meer data voortbrengen, wordt het belangrijker om die gegevens om te zetten in bruikbare inzichten en die vervolgens mee te nemen in concrete beslissingen", besluit Budai.
OVER SAVACO
Savaco is een Belgische IT-dienstverlener die sinds 1991 bedrijven en industriële organisaties ondersteunt bij hun digitalisering. Vanuit Kortrijk en verschillende vestigingen in Vlaanderen werkt het bedrijf rond onder meer IT-infrastructuur, cloud, cybersecurity, data & AI en Engineering & Industry.
Sinds de komst van investeerder AAC Capital begin 2018 groeide Savaco verder door overnames van onder meer IT-Care, Atri Services, Thrives, TrueGEN, Asci en Techne. Intussen telt het bedrijf meer dan 300 medewerkers.