Van digital twin naar intelligent assetmanagement: GIS, 3D, onderhoud en AI integreren voor infrastructuurnetwerken

Het beheer van infrastructuurassets vraagt steeds vaker om beslissingen op basis van informatie die verspreid is over verschillende systemen: GIS-platformen, technische documentatie, 2D- en 3D-modellen, inspectieverslagen, werkorders, conditiegegevens en onderhoudshistorieken. De uitdaging bestaat er niet alleen in meer gegevens te verzamelen, maar vooral te bepalen welke informatie echt nodig is en hoe die gecombineerd kan worden om betere assetmanagementbeslissingen te nemen.

Bij het beheer van bestaande infrastructuur is dit nog complexer. Assetinformatie kan onvolledig zijn, de datakwaliteit kan sterk variëren en gedetailleerde digitale weergaven van grote netwerken vergen vaak aanzienlijke inspanningen. Tegelijk moet je inspecties prioriteren, kritieke assets identificeren, risico’s begrijpen en bepalen waar onderhoud, renovatie of vervanging de meeste waarde oplevert.

Digital twins en AI kunnen deze uitdagingen helpen aanpakken, op voorwaarde dat duidelijke behoeften vanuit assetmanagement en de operationele praktijk het vertrekpunt vormen en technologie geen doel op zich wordt.

In dit webinar ontdek je hoe MACE Qatar assetinformatie, GIS, 2D- en 3D-weergaven, conditie- en onderhoudsgegevens en AI combineert binnen een praktische aanpak voor infrastructuurassetmanagement. Aan de hand van ervaringen met het beheer van grootschalige afwaterings- en afvalwaterinfrastructuur in Qatar toont de sessie hoe geïntegreerde informatie bijdraagt aan de beoordeling van kriticiteit en risico’s, het prioriteren van inspecties, onderhoudsoptimalisatie en investeringsbeslissingen op langere termijn.

• Een bruikbare digitale weergave van bestaande infrastructuur opbouwen
  • Bepalen welke assetinformatie daadwerkelijk nodig is
  • Omgaan met onvolledige of versnipperde historische informatie
  • Het juiste detailniveau voor de digitale weergave kiezen in plaats van automatisch een volledig 3D-model te maken
  • Snelle reality capture met drone-LiDAR en 3D-laserscanning: meer dan 200 miljoen punten vastgelegd in ongeveer twee uur, met GIS-klare modellen in minder dan één uur
• Assetinformatie uit verschillende systemen integreren
  • GIS-, BIM-, 2D- en 3D-informatie combineren
  • Technische assetinformatie koppelen aan onderhouds- en werkordergegevens
  • Conditie-, inspectie- en contextgegevens integreren
  • Terreingegevens in realtime registreren en valideren met GeoMACE_v2, om de vertraging tussen het terrein en het kantoor weg te werken
  • Maximo-werkorders bekijken in 3D-modellen van installaties, met bovengrondse voorzieningen en ondergrondse netwerken in één beeld
  • Informatie beheren volgens ISO 19650 en ISO 55001 om een betrouwbare, doorlopende informatieketen over assets te behouden
• Kriticiteits- en risicobeoordeling met ondersteuning van AI
  • Informatie uit meerdere bronnen combineren om de kriticiteit van assets te beoordelen
  • Kriticiteitsnormen en risicocriteria toepassen
  • Kriticiteit en risico’s geografisch visualiseren
  • Analyses versnellen die vroeger veel handmatig werk vergden
  • GeoMACE_v2, het interne GIS- en assetmanagementplatform van MACE Qatar met geïntegreerde AI, inzetten voor voorspellende analyses en beslissingsondersteuning
• Van reactief naar proactief infrastructuurbeheer
  • Leren uit storingen, noodinterventies en historische werkorders
  • Locaties identificeren waar de kans op of de gevolgen van een storing groter zijn
  • Inspecties en interventies prioriteren binnen uitgestrekte infrastructuurnetwerken
  • Regenval- en verstoppingsscenario’s simuleren om maatregelen tegen overstromingen vóór het regenseizoen te plannen
• Onderhoud optimaliseren op basis van het werkelijke gedrag van assets
  • Inspectie-, conditie-, onderhouds- en storingsgegevens combineren
  • Onderhoudsfrequenties aanbevelen op basis van gegevens over assetprestaties
  • Onnodige onderhoudsinterventies vermijden die zelf kunnen bijdragen aan de achteruitgang van assets
• Beslissingen over renovatie, vervanging en investeringen ondersteunen
  • Conditie-, kriticiteits-, storings- en onderhoudsgegevens combineren
  • Assets identificeren waarvoor slijtage, terugkerende problemen of capaciteitsbeperkingen een ingreep vereisen
  • Een onderbouwde basis creëren voor prioriteiten inzake renovatie en kapitaalinvesteringen
• De aanpak toepassen op de schaal van volledige infrastructuurnetwerken
  • Praktijkervaring uit een langdurige omgeving voor exploitatie en onderhoud van afwateringsinfrastructuur in Qatar
  • Beheer van meer dan 3.000 kilometer netwerken voor hemelwater, afvalwater en gezuiverd water en meer dan 40 installaties, waaronder de Doha West Treatment Plant en 47 pompstations
  • Digitale toepassing op grote schaal: 931 portaalgebruikers, 422 mobiele gebruikers en tot op heden meer dan 346.000 terreinrapporten
  • Engineering- en assetmanagementbehoeften centraal stellen, met digitale technologie als hulpmiddel

Je leert hoe geïntegreerde assetinformatie, digital twins en AI verder gaan dan visualisatie en rechtstreeks bijdragen aan kriticiteitsbeoordeling, risicogebaseerde prioritering en onderhoudsbeslissingen. Je ontdekt ook hoe engineering, GIS, BIM en AI kunnen worden gecombineerd om verspreide infrastructuurgegevens om te zetten in bruikbare informatie. De sessie is gebaseerd op het MACE Qatar Drainage O&M Portal, een operationele digital twin die GIS, BIM en realtime telemetrie samenbrengt binnen een kader dat aansluit bij ISO 55001 en ISO 19650, en op GeoMACE_v2, het interne GIS- en assetmanagementplatform van MACE Qatar met geïntegreerde AI. Ook de ontwikkeling van een situatie zonder GIS in 2020 tot de operationele digital twin die vandaag wordt gebruikt, komt aan bod.