Van OPC UA/MQTT data-pipelines en MES-anomaly-detection tot RAG op engineering-documentatie — maatwerk-software die de data-silo's van Eindhovense high-tech definitief doorbreekt.
Geen andere regio in Nederland heeft zoveel industriële data per vierkante meter als Brainport Eindhoven. Een gemiddelde wafer-productielijn op High Tech Campus genereert dagelijks terabytes aan sensordata, een first-tier toeleverancier op BIC produceert per batch duizenden meetpunten, en de engineering-afdelingen achter die fabrieken beheren honderdduizenden CAD-tekeningen, specificaties en change-requests. Die data-intensiteit is tegelijk het grootste concurrentievoordeel én het grootste pijnpunt van de regio: de informatie leeft in strikt gescheiden systemen — PLC's, SCADA, MES, ERP, PLM, CAD — die elkaar slecht of niet begrijpen. AI-software op maat bouwen voor Brainport betekent in de praktijk: de brug bouwen tussen Operational Technology (OT) en Information Technology (IT), met AI-modellen als intelligente laag erbovenop.
CleverTech ontwikkelt deze softwarebrug al vanaf de eerste sprint in iteraties van vier tot acht weken, in plaats van een klassiek ERP-implementatietraject van twee jaar. Het vertrekpunt is altijd de data-architectuur: wij koppelen productiemachines via OPC UA (de industriestandaard voor machine-data, beheerd door de OPC Foundation) en MQTT met Sparkplug B rechtstreeks aan een unified namespace. De OPC Foundation bevestigt dat faciliteiten met gestandaardiseerde OPC UA/MQTT-architecturen 60-80% minder tijd besteden aan AI-deployment en 40-60% betere modelaccuratesse behalen door de rijkere contextuele data. Dat is geen marketing; het is het directe gevolg van het feit dat OPC UA de data structureert (met type-informatie, engineering-units, tijdstempels per meting) en MQTT de transportlaag levert (publish-subscribe, lage bandbreedte, firewall-vriendelijk). Voor een Brainport-toeleverancier die morgen een predictive-maintenance-model wil trainen betekent dat: de data is al AI-ready voordat het model bestaat.
In de bouw van AI-software beginnen wij nooit bij het model. Wij beginnen bij de pijp. Een typisch Eindhovens productiebedrijf heeft machines met Siemens S7, Allen-Bradley, Beckhoff of Mitsubishi PLC's, soms met een SCADA-laag (Wonderware, Ignition, WinCC) erbovenop. Onze standaard-aanpak plaatst een edge-gateway per machine of cel, die via OPC UA rechtstreeks met de PLC praat en de meetwaarden vervolgens publiceert op een MQTT-broker met Sparkplug B-payload. Het resultaat is een uniforme data-stroom: elke sensor, elke setpoint, elke alarm-event krijgt een gestandaardiseerde topic-structuur (bijvoorbeeld spBv1.0/site/edge/device/metric) en wordt real-time beschikbaar voor zowel dashboards als AI-modellen. Volgens Industrial Ethernet Magazine bereikt deze combinatie 80-95% reductie van netwerk-overhead ten opzichte van klassieke polling-protocollen — cruciaal wanneer je honderden machines aan één broker hangt.
Op die pipeline bouwen wij vervolgens de AI-laag: anomaly-detection per machine (unsupervised learning op vibratie, temperatuur, stroom-signaturen), predictive maintenance (time-to-failure-modellen op historische onderhoudsdata gecombineerd met live sensor-streams), en root-cause-analyse wanneer een kwaliteitsafwijking optreedt in de eindtest. De technische stack is volledig open: Node-RED of Apache NiFi voor stream-orchestratie, TimescaleDB of InfluxDB voor time-series opslag, Python-services (FastAPI + scikit-learn of PyTorch) voor de ML-modellen, Grafana voor operator-dashboards. Geen vendor lock-in, geen proprietary data-formaten. Dat is belangrijk in Brainport, waar veel eerste-lijn toeleveranciers moeten leveren binnen ASML's of NXP's data-standaarden en géén extra black-box in hun productie-omgeving kunnen accepteren.
Boven de machine-data ligt het MES — Manufacturing Execution System. In de ISA-95-referentie, de internationale standaard voor ERP/MES-integratie, zit MES op Level 3: tussen de procescontrole (Level 0-2) en de business-planning (Level 4, ERP). ISA-95 definieert precies welke berichten tussen die lagen stromen — production schedule naar beneden, production performance naar boven, materiaal- en resource-definities heen en weer. AI-software die niet respecteert hoe deze datalagen samenwerken, breekt het eerste kwartaal na go-live. Onze koppelingen zijn daarom expliciet ISA-95-conform: wij gebruiken de B2MML-schema's (Business-to-Manufacturing Markup Language) voor de berichtformaten, en mappen elk veld in ons AI-platform op een standaard-object (Equipment, Material, Personnel, ProductionSchedule, ProductionPerformance).
Op MES-niveau leveren wij concrete AI-use-cases die wél betekenis hebben voor de operator op de vloer: real-time OEE-afwijkingsdetectie (als de Overall Equipment Effectiveness op een cel 10% onder de 7-daags gemiddelde zakt, genereert het model een gerichte hypothese met bijbehorende PLC-waarden in plaats van een loze alarm), scheduling-optimalisatie (het AI-model voorspelt hoelang een concrete order gaat duren op basis van historische batch-data en past de plandatum aan), en kwaliteitstraceerbaarheid tot op batch-niveau (elk eindproduct is verbonden met de exacte machine-condities tijdens elke bewerkingsstap — onmisbaar voor de cleanroom-productie in de halfgeleider- en medical-sector).
De ERP-laag (SAP S/4HANA, Microsoft Dynamics 365, Oracle, Exact) is het domein van supply-chain-AI. Voor hightech toeleveranciers in Brainport, waar doorlooptijden van wafer-steppers of custom machine-onderdelen in maanden lopen, bouwen wij maatwerk AI-services bovenop het ERP: demand-forecasting per SKU die rekening houdt met de volatiliteit van de semiconductor-cyclus, automatische herkenning van afwijkende inkoopfacturen (onze Intelligent Document Processing gebruikt vision-LLM's om factuur, inkooporder en goederenontvangst-data te matchen met 95%+ accuracy), en voorraadoptimalisatie over de gehele supply-chain. Volgens Advanced Tech Services is het juist de consistente informatiemodel-laag van ISA-95 die het mogelijk maakt om AI-toepassingen in deze MES/ERP-stack voorspelbaar te schalen in plaats van per-systeem te improviseren.
Een unieke uitdaging van Brainport is het volume aan engineering-documentatie. ASML heeft meer dan 4.000 software-engineers en gebruikt Siemens NX voor CAD/PLM. Maar zelfs een middelgrote toeleverancier beheert tienduizenden STEP-files, CAD-assembly's, tolerantie-analyses en Engineering Change Orders (ECO's) in Teamcenter, Windchill of 3DEXPERIENCE. Een senior engineer besteedt gemiddeld 20-30% van zijn week aan het zoeken in deze documentatie: welke revisie van welke onderdeel-drawing is goedgekeurd voor welke klant? Welke ECO-historie hoort bij deze module? Welke tolerantie-specificatie weegt zwaarder — de fabricage-DRW of de functional requirement?
Wij bouwen in Brainport Retrieval-Augmented-Generation-systemen (RAG) bovenop PLM-data. Concreet: wij indexeren alle PLM-metadata (part numbers, revisies, ECO's, BOM-structuren), de bijbehorende PDF-tekeningen (inclusief OCR op tolerantie-annotaties), en waar mogelijk de feature-tree uit de CAD-modellen zelf. Die index voeden wij aan een hybride retriever (BM25 + dense vectors via e5-multilingual of NV-Embed-v2) en een LLM-laag (Claude, GPT-4 of een lokaal gehoste Llama-3 op Azure OpenAI in een EU-region). De engineer stelt een vraag in natuurlijke taal ("welke revisie van bracket X-2298 zit in assembly MOD-47 bij klant Y?") en krijgt binnen twee seconden het juiste part-number, de goedgekeurde drawing-revision en de relevante ECO-historie, met bronverwijzingen naar de onderliggende Teamcenter-records. Zoals Dessia beschrijft, bridgt AI de engineering-data door automatisch metadata te parsen en te linken — part-configuraties, leveranciersrestricties, materiaalspecs en versiehistorie.
Voor CAD-workflows gaan we een stap verder: geometry-search (vind alle onderdelen met een vergelijkbare feature-tree als dit nieuwe ontwerp, ter voorkoming van her-design waar hergebruik kan), design-rule-checking via AI (valideert of een ontwerp voldoet aan de interne DfM-regels voordat het de PLM-release-cyclus in gaat), en generatieve-ontwerp-assistentie (suggesties voor bracketing, tolerantie-stacks, materiaalkeuzes op basis van historische projecten). Volgens Oracle's analyse van agentic AI in PLM verschuift de waarde-toevoeging van statische documentatie naar actieve sourcing- en ontwerpbeslissingen — exact de hoek waar Brainport's engineering-capaciteit het meeste wint.
De laatste pijler is ERP-integratie voor de specifieke dynamiek van de hightech supply-chain. Een Brainport-toeleverancier levert zelden aan één klant: er zijn raamovereenkomsten met ASML, NXP, Philips, VDL, en tientallen kleinere klanten, elk met eigen portalen, eigen EDI-formats en eigen lead-time-verwachtingen. Wij bouwen integratie-services die deze diversiteit absorberen: één interne data-laag, externe adapters per klant/leverancier. De AI-laag erbovenop voorspelt ordervolumes (een klant die vijf kwartalen op rij stijgende forecasts indient, blijkt vaak al voor een nieuw product-programma ingekocht te hebben), detecteert afwijkingen in leveranciers-performance (levertijden die met 5+ dagen beginnen te slippen, voordat een PO wordt gemist), en optimaliseert de supply-chain-routing voor de end-to-end-kostprijs in plaats van per-inkooporder.
In de context van de NTT DATA-Cisco-Brainport Industries innovation lab die in oktober 2025 op BIC werd gelanceerd, ligt deze OT/IT-convergentie — private 5G, edge-computing, AI-ready infrastructure — steeds sterker in de regio verankerd. Onze maatwerk AI-software past in die infrastructuur zonder vendor lock-in, draait op Kubernetes in Azure of AWS EU-regions (of on-prem op Red Hat OpenShift wanneer de data de regio niet mag verlaten), en voldoet aan de ISO 27001-controles die toeleveranciers naar ASML en NXP sowieso moeten hebben.
Opgesteld met AI-tools en gecontroleerd door het redactieteam van CleverTech — tech-leads met ervaring in AI, procesautomatisering en IT-consulting.
Maatwerk AI-software die uw shopfloor, MES, PLM, ERP en CRM aan elkaar koppelt. Wij bouwen event-driven middleware, data-platforms op Azure IoT Hub of Databricks Lakehouse, en AI-modellen die bovenop die data draaien. Focus op Brainport-realiteit: legacy-machines met proprietary protocols, gedeelde facilities op BIC-campus, en engineering-stacks van Siemens/PTC/Aras.
Edge-gateways per machine of cel met OPC UA naar de PLC en MQTT/Sparkplug B publicatie op een centrale broker. Eén uniforme topic-structuur voor alle Brainport-sites, 80-95% minder netwerk-overhead en data die AI-ready is voordat het eerste model wordt getraind.
Wij respecteren de Level 0-4 hiërarchie en gebruiken B2MML-schema's voor berichtenuitwisseling tussen ERP (SAP, Dynamics, Oracle, Exact) en MES (Siemens Opcenter, AVEVA, Rockwell Plex). AI-services op OEE, scheduling en batch-traceerbaarheid die naast bestaande systemen draaien, niet eroverheen.
Retrieval-Augmented-Generation over Teamcenter, Windchill of 3DEXPERIENCE — inclusief OCR op tolerantie-annotaties en BOM-structuren. Engineers vinden drawing-revisies, ECO-historie en part-configuraties in seconden in plaats van uren, met bronverwijzingen naar de onderliggende PLM-records.
Demand-forecasting per SKU, leveranciers-performance-detectie en Intelligent Document Processing voor factuur/PO/GR-matching met 95%+ accuracy. Gebouwd voor de specifieke dynamiek van raamovereenkomsten, EDI-diversiteit en semiconductor-cyclus-volatiliteit.
Kubernetes op Azure of AWS EU-West, of on-prem op Red Hat OpenShift wanneer data de regio niet mag verlaten. Voldoet aan de controles die Brainport-toeleveranciers sowieso al hebben voor ASML en NXP, en past in private-5G/edge-architectuur van BIC en High Tech Campus.
Antwoorden voor bedrijven in Eindhoven
OPC UA structureert de data (met type-informatie, engineering-units, timestamps, security via X.509-certificaten) en MQTT met Sparkplug B transporteert het efficiënt (publish-subscribe, lage bandbreedte, firewall-vriendelijk). De OPC Foundation en de grote cloud-platforms (AWS, Azure, Google Cloud) ondersteunen OPC UA over MQTT inmiddels natively. Voor een Brainport-toeleverancier betekent dit: je hebt één architectuur die zowel lokaal in de fabriek werkt als naadloos opschaalt naar cloud-AI-services, zonder vendor lock-in aan een specifiek SCADA- of iPaaS-platform.
Wij indexeren alle metadata (part numbers, revisies, ECO's, BOM-structuren), de PDF-tekeningen (inclusief OCR op tolerantie-annotaties) en waar mogelijk de CAD-feature-trees. Die index voedt een hybride retriever en een LLM (Claude, GPT-4 of lokaal Llama-3 in een EU-region). Een vraag als 'welke revisie van bracket X-2298 zit in assembly MOD-47?' levert binnen twee seconden het juiste part-number, drawing-revision en ECO-historie, met bronverwijzingen naar de Teamcenter- of Windchill-records. De engineer blijft de eindbeslisser; de AI vermindert zoektijd van 20-30 minuten naar seconden.
Wij gebruiken de B2MML-schema's (Business-to-Manufacturing Markup Language) voor berichtenuitwisseling tussen Level 4 (ERP) en Level 3 (MES), en mappen onze interne datamodellen op de standaard-objecten: Equipment, Material, Personnel, ProductionSchedule, ProductionPerformance en ProductionCapability. Dat is belangrijk omdat ISA-95 niet alleen een modelleertheorie is maar een praktische conventie die MES-leveranciers (Siemens Opcenter, AVEVA, Rockwell Plex) en ERP-leveranciers al hanteren. Onze AI-services draaien ernaast en respecteren de bestaande informatiestromen in plaats van ze te dupliceren.
Ja. Wij volgen de Purdue-referentiearchitectuur: edge-componenten draaien in Level 2-3 van het OT-netwerk (dicht bij de machines), de unified namespace en AI-analyse-services draaien in Level 3-4 (in de IT-DMZ of op een private-cloud-segment), en dashboards/rapportage-consumers draaien in Level 4 (IT-netwerk). Communicatie tussen de niveaus verloopt via beveiligde, eenrichtingsverbindingen (data-diodes waar nodig, anders expliciete whitelisted MQTT/OPC-connecties met X.509-authenticatie). Dat past binnen de ISO 27001-controles die Brainport-toeleveranciers al hebben voor ASML en NXP, en binnen de NIS2-richtlijn voor kritieke leveranciers.
De eerste werkende integratie (een OPC UA/MQTT pipeline voor één productielijn plus een anomaly-detection-model op de kritische machine-parameters) leveren we binnen vier tot acht weken op voor 18.000 tot 35.000 euro, inclusief data-architectuur, edge-gateway configuratie, model-training op historische data en operator-dashboard. Daarna kiezen de meeste Brainport-bedrijven voor een doorontwikkel-partnership van 3.500 tot 12.000 euro per maand, waarin we per sprint extra use-cases toevoegen (PLM-RAG, MES-scheduling-AI, ERP-supply-chain-modellen). We laten geen jaarlijkse license-fees op AI-modellen betalen — het IP en de broncode zijn van jou.
Onze edge-componenten draaien op standaard industriële hardware (Siemens IPC, Advantech, Moxa) of op Kubernetes-clusters binnen de private-5G-edge-omgeving die NTT DATA en Cisco in oktober 2025 op BIC hebben opgeleverd. Wij gebruiken containerized deployments (Docker, K8s, of K3s voor lichte edge-nodes), wat integreert met de bestaande AI-ready infrastructure. Voor cleanroom-omgevingen en medical-tech-productie (onder MDR) hanteren we extra validatie-protocollen: data-integriteit conform GAMP 5, audit-trails per batch, en geforceerde code-signing op elke deploy. De software voldoet aan de traceerbaarheidseisen die in deze omgevingen gelden en integreert met environmental monitoring systemen die luchtkwaliteit, temperatuur en vochtigheid bewaken.
Vraag niet beantwoord?
Neem contact met ons op - ga naar de contactpaginaGeen verplichtingen. Een kort gesprek of AI-scan is vaak het snelste begin.
