Niet meer dagen of weken zoeken: onderhoudsdata in één overzicht

Beheerder Senne ontwikkelt python-script

Stel je voor dat een klant je vraagt hoe vaak een specifiek onderdeel in een windturbine in de afgelopen drie jaar is uitgevallen. Of hoeveel olie er in een jaar is verbruikt. Het antwoord bestaat natuurlijk, maar zit verstopt in honderden servicerapporten. Elk opgeslagen als een aparte pdf, met technische beschrijvingen, tabellen en handtekeningen. In theorie is alles gedocumenteerd. In de praktijk is het vinden van het antwoord niet zo eenvoudig.

‘In één jaar kun je tot wel 900 documenten ontvangen. Als je wilt weten hoe vaak een bepaald onderdeel is vervangen of hoeveel uur er aan reparaties is besteed, moet je ze één voor één openen. Dat kost uren, soms zelfs dagen werk,’ zegt Senne Koetsier van de Asset Management afdeling van GreenTrust.

De data is er. Elke interventie wordt zorgvuldig vastgelegd: wat er is vervangen, hoeveel materiaal is gebruikt, hoe lang de technici ter plaatse waren. Maar zonder een helder overzicht blijven het losse registraties. De echte vragen zijn specifieker: hoeveel olie wordt er jaarlijks verbruikt? Welke componenten zijn het meest kwetsbaar? Hoe lang duurt een bepaald type reparatie gemiddeld? En wat is de operationele milieu-impact in het kader van ESG-rapportage?

Daar ontstond het idee. Als alles al in de documenten staat, waarom laten we ze dan niet voor zichzelf spreken?

Senne ontwikkelde een Python-script dat automatisch servicerapporten analyseert en de belangrijkste informatie eruit haalt, om die vervolgens om te zetten in een helder en filterbaar Excel-overzicht. AI hielp ook bij het opzetten van de code. ‘Ik heb gevraagd hoe ik het script moest structureren en hoe ik specifieke data kon extraheren. Toen ik eenmaal precies had gedefinieerd wat we nodig hadden, ging het relatief snel,’ legt hij uit.

Wat voorheen dagen handmatig werk kostte, duurt nu slechts enkele minuten. Met de tool kun je data filteren op component, turbine of periode. Zo krijg je snel inzicht in hoe vaak een specifiek onderdeel is vervangen, hoeveel materiaal er is gebruikt en hoeveel werkuren zijn geregistreerd. Op basis van zo’n overzicht worden patronen snel zichtbaar.

‘Je ziet meteen waar de zwakke punten zitten. Als een component meerdere keren per jaar uitvalt, is dat een signaal dat we onze spare parts-strategie moeten heroverwegen,’ zegt Senne.

Dit verandert de manier waarop we onderhoud monitoren. We kunnen de discussie met de onderhoudspartij aangaan om specifieke componenten meer op voorraad te hebben om onnodige stilstand te voorkomen. Onderhandelingen over nieuwe of verlengde onderhoudscontracten zijn gebaseerd op feitelijke data in plaats van op schattingen. Beslissingen worden nauwkeuriger en risico’s nemen af. De tool is ook waardevol in de communicatie met banken en investeerders. ‘Voor ESG-rapportages heb je veel verschillende data nodig. Nu kunnen we die vrijwel direct ophalen: materiaalverbruik, frequentie van interventies, werkuren,’ legt Senne uit.

De tool wordt inmiddels ingezet bij meerdere grotere windparken en wordt verder doorontwikkeld. ‘Dit is nog maar het begin. We onderzoeken nog welke aanvullende analyses mogelijk zijn en hoe we de tool nog nuttiger kunnen maken,’ voegt hij toe.

In de kern gaat het om sneller en nauwkeuriger inzicht in data. En in onderhoud betekent elke snellere reactie minder verloren megawatturen.