DotX Control Solutions

Hoe wij werken.

Wij bouwen digital twins via een vast pad. Het pad is hetzelfde voor een avocado-rijping als voor een windturbine. Wat verschilt is de fysica.

Wat een digital twin bij ons is.

Een digital twin is voor ons een werkend model van uw proces of asset, met dezelfde fysica, dezelfde regelaars en, waar het zinvol is, een learning-component die afwijkingen leert herkennen. Geen 3D-render, geen dashboard. Wel een model dat voorspelt, adviseert of zelf de regelkring sluit.

De methodiek is overdraagbaar; de sector waarin we hem toepassen is wisselend. Soms werken we naast uw team, soms sluit de twin zelf de regelkring. Welk niveau bij welke loop past, is het oordeel dat wij verkopen.

Maturity-ladder · Madni, Madni & Lucero (2019)

Vijf niveaus van een digital twin.

De industrie zit standaard op L2 of L3: realtime dashboards en predictive alerts. Wij bouwen op L4 en L5: het model adviseert, of sluit zelf de regelkring.

  • L1

    Descriptive twin

    Een mooi 3D-model van de installatie.

  • L2 Industrie

    Connected twin

    Realtime data op een scherm.

  • L3 Industrie

    Predictive twin

    Een waarschuwing voordat het misgaat.

  • L4 DotX

    Prescriptive twin

    Het systeem adviseert. De expert beslist.

    advies
  • L5 DotX

    Autonomous twin

    De twin sluit de regelkring zelf.

    autonoom

Onze positie: L4 én L5.

DotX werkt op L4 én L5 als gelijkwaardige modi. L4 betekent dat de twin advies geeft en uw operator beslist; passend bij installaties met menselijke bedienings- routines, veiligheidsgrenzen die niet automatiseerbaar zijn, of een learning-fase op nieuwe data. L5 betekent dat de regelaar in uw turbine of plant op de twin draait zonder dat een mens elke beslissing toetst.

Welk niveau bij welke loop past, is het oordeel dat wij verkopen. Dat oordeel begint bij de fysica, het risicoprofiel en het volwassenheidsniveau van uw team. Niet bij een marketing-keuze tussen advies en autopilot.

Vier fasen, vaste volgorde.

Elk traject volgt dezelfde route, of het nu om een windturbine, een pH-scrubber of een vaarweg gaat. De fasen zijn niet onderhandelbaar; de inhoud per fase past zich aan uw fysica en uw team aan.

  1. Stap 01

    Procesanalyse

    We meten wat er nu gebeurt en interviewen de mensen die het systeem dagelijks bedienen. Tests waar het kan, observatie waar het moet. Resultaat: een gedeelde beschrijving van het proces in regeltechnische termen. Niet in een PowerPoint, maar als input voor de twin.

  2. Stap 02

    Digital Twin

    We bouwen het model uit fysica, identificatie op meetdata en, waar het meerwaarde heeft, een learning-component. Het model is uitlegbaar en bevat de regelaars die de fabriek nu draaiende houden. Validatie tegen historische events vóór we verder gaan.

  3. Stap 03

    Optimalisatie

    Met de twin als testbed proberen we strategieën door: andere setpoints, andere regelaars, andere bedieningsroutines. Vergelijken op uitkomst, niet op intuïtie. Go/no-go-discipline: wat in simulatie niet beter wordt, gaat ook niet naar de installatie.

  4. Stap 04

    Implementatie

    Code op de installatie of advies in de meldkamer, afhankelijk van risicoprofiel en volwassenheidsniveau. Overdrachtsdocumentatie, training van uw operators, en een onderhouds-afspraak voor het model. Werkt het na een jaar nog steeds zoals beloofd, dan is het traject klaar.

Lees verder over de aanpak →

Fysica eerst, AI waar het werkt.

De ruggengraat van elk model bij ons is fysica: massabalansen, energiebalansen, de regelaars die uw installatie nu al draaien. Daaroverheen komt, alleen waar de data en het probleem het rechtvaardigen, een learning-component. Bij Nefit zit een learning-correctie ingebed in een MPC die de hybride installatie aanstuurt; de fysica zorgt dat het systeem ook bij vreemde dagen redelijk blijft sturen.

Sommige modellen identificeren we met regressie, sommige met neural networks; sommige regelingen zijn klassieke PID, sommige MPC, sommige learning-based. Het type techniek volgt uit het probleem, niet uit de huidige hype. Wat constant blijft: het model is uitlegbaar, de regeling is verifieerbaar, en de fysica regeert.

Bij minder dan zes maanden historische data is een fysisch model bijna altijd betrouwbaarder dan een ML-model. Dat is geen anti-AI-stelling, dat is een datasetlimiet.

Wat overdraagt.

In sommige sectoren werken wij al jaren. In andere bouwen wij voor het eerst. Wat overdraagt is niet de sector-kennis, maar de methodiek waarmee we een nieuw proces leren begrijpen. Plus de stack die we voor andere klanten in productie hebben.

Procesindustrie
pH-scrubber bij Sonneborn: een eenmalige tune + commissioning leverde een terugverdientijd onder de twaalf maanden. APC-werk loopt door bij Tata, Dishman en Polpharma.
Wind
DotX-WTC draait in 100+ windturbines van EWT, 2B Energy, Lagerwey en Enercon. Damping-monitor voor Enercon (2025) is recent R&D-werk dat naar productie loopt.
Energie
Nefit ECO.PILOT: MPC-regeling op de hybride installatie tilde de PV-zelfconsumptie van 25% naar 56% en bespaarde rond de 10% op energie. DotX-EMS bouwt op dezelfde stack voor energiehubs met netcongestie.
Publieke infra
Bodemligging-voorspelling voor waterschap De Dommel (RG Vught) en HHNK: minder peilingen, hogere scheepsbelading binnen veilige marges. Smart Patrol en wegen-rafelingdetectie liepen via R&D-spoor.
Cross-sector
AGV virtual-line navigation bij MOVEXX zonder bandinfra. SSL paspoort-laminator bij IDEMIA: 13°C statische deviatie weggewerkt. Beide projecten lopen op dezelfde methodiek als de plant- en sector-cases.

Waar wij dit toepassen.

Vijf sectoren waar de methodiek concreet is. Klikken voor wat productized loopt en wat consultancy is.

Volledige projectlijst →

Plan een gesprek met Leo.

Eerste gesprek van dertig minuten over uw proces, uw data en wat een digital twin er aan zou kunnen veranderen. Geen verkoop-funnel, geen pitch-deck. Gewoon inhoudelijk.

Plan een gesprek Eerst bewijs zien →