Wij bouwen geen generieke 3D-platforms. Azati is gespecialiseerd in brownfield engineering data reconstruction. Wij bouwen de lagen waar een operationele digital twin op draait: de assetdata die uit decennia aan legacy-tekeningen, scans en bestaande systemen wordt geëxtraheerd, de platformlaag die alles verbindt, en de AI-modellen die erop draaien.
Onze track record: Al meer dan tien jaar ontwikkelen wij AI-gedreven technologie voor Intelligent Document Processing (IDP). De technologie die wij bouwen voor de digitalisering van engineeringdocumentatie en de verwerking van technische data, wordt ingezet bij toonaangevende bedrijven in de olie- en gasindustrie. Onze teams hebben de pipelines gebouwd die wereldwijd miljoenen complexe engineeringdocumenten verwerken. Wij lossen het moeilijkste probleem van de procesindustrie op: het omzetten van 70 jaar aan opgebouwde bedrijfsgeschiedenis naar machineleesbare, gestructureerde data, zonder het verlies van herleidbaarheid (provenance).
Zelden op de visualisatie. Een 3D-model laten draaien in een browser is inmiddels opgelost werk. Waar het misgaat is de vraag eronder: klopt dit model met de installatie?
Om die vraag met ja te beantwoorden moet u weten welke apparatuur er staat, hoe die verbonden is, welke specificaties erbij horen en welk systeem gelijk heeft als twee bronnen elkaar tegenspreken. Bij een chemische installatie uit de jaren zeventig ligt de 'waarheid' verspreid.
Om een betrouwbare twin te bouwen, moet de AI overweg kunnen met:
Een twin die op die ondergrond wordt gebouwd, ziet er af. Hij laat apparatuur zien die vervangen is, mist leidingen die er wel liggen, en geeft onderhoudsplanners cijfers waar niemand de herkomst van kent. En dat is erger dan geen twin hebben — want een twin wordt vertrouwd. Mensen nemen er beslissingen op die ze op een losse tekening nooit zouden nemen.
Daarom begint dit werk bij de assetdata en niet bij het model.
De meeste organisaties hebben al een deel van dit landschap: een EAM- of onderhoudssysteem, een engineering data platform, een BIM-omgeving, een scanarchief. Het werk bestaat dan niet uit vervangen maar uit verbinden.
Azati werkt met en rondom de platformen die in deze sector gangbaar zijn — onder meer AVEVA, Bentley, HEXAGON, Maximo en SAP — en levert uit in formaten die daar landen: DEXPI via Proteus XML, tabellen voor engineering data platforms, gestructureerde exports en het graafmodel zelf. Voor 3D en scandata gaat het om onder meer Autodesk APS, Potree en Three.js, met verwerking op AWS.
Ontbreekt een koppelvlak, dan bouwen we het. Dat is het gewone werk van een engineeringbedrijf, en het is meestal het deel waar platformleveranciers naar elkaar wijzen.
Grote aantallen gemalen, sluizen, waterzuiveringsinstallaties en onderstations waarvan de documentatie vaak generaties oud is. Voor de huidige energietransitie en netverzwaring moet bestaande infrastructuur digitaal in kaart worden gebracht. Wij zetten legacy-P&ID's en verouderde elektrische schema's om naar gestructureerde data, zodat netbeheerders weten wat er daadwerkelijk in het veld staat.
Complexe, uitgestrekte faciliteiten die continu worden verbouwd (brownfield). Archieven vol met decennia aan MEP-tekeningen (werktuigbouwkundig, elektrisch, sanitair), ondergrondse leidingen en bouwkundige wijzigingen. Een betrouwbare, herleidbare assetdatalaag is hier de absolute voorwaarde om operationele verstoringen en veiligheidsrisico's tijdens uitbreidingen en onderhoud te voorkomen.
Leidingnetwerken en overslaginfrastructuur waarvan de documentatie decennia aan wijzigingen bevat, en waar een deel van de locaties geen stabiele verbinding heeft.
Assetdata als basis voor asset integrity, turnaroundplanning en revisies richting nieuwe energiedragers. Zonder kloppend model is elke planning een schatting met een mooie interface.
Engineeringarchieven, PLM- en ERP-data, onderhoudsplanning die nu op tekeningen leunt.
Scan-to-BIM, puntenwolken en as-built documentatie die bij oplevering weer als data nodig is — het terrein van het 24-maandstraject hieronder.
browsergebaseerde 3D-viewer op Autodesk APS, cloudpijplijn voor grote puntenwolken, backend-microservices, realtime samenwerking en AWS-infrastructuur beheerd met Terraform. Azati leverde capaciteit op elke laag van het product.
objectdetectie en tracking op een NVIDIA-stack (CUDA, TensorRT, DeepStream), volledig offline draaiend op locatie, ter vervanging van handmatig tellen.
met reconstructie van de procestopologie als graafmodel en validatie van de uitkomst — de assetlaag waar een twin op gevuld kan worden.
bruikbaar voor inspectie, onderhoud en asset integrity.
een stabiele rekenkern onder modulaire analytische diensten, opgeleverd binnen vier maanden; de QA-inzet voorkwam een omvangrijke systeemstoring voordat die productie raakte.
datapijplijnen, datamarts en orchestratie, doorlopend doorontwikkeld.
classificatie van daken op satellietbeelden voor de inschatting van zonnepotentieel ten behoeve van gemeentelijke energieplanning, en detectie van wegdekschade op beeldmateriaal. Bij dat laatste bestond er geen bruikbare publieke dataset, dus is die zelf verzameld — wat in dit vakgebied vaker het echte werk is dan het model.
omgezet naar gestructureerde data, inclusief titelblokken van gescande AutoCAD-tekeningen zonder regelmatig raster. Kant-en-klare modellen schoten op dit materiaal tekort; Azati trainde detectie en OCR zelf. In productie bij een grote industriële operator: de handmatige verwerkingsstap is verdwenen.
Wij geloven niet in één massale RFP om "miljoenen pagina's te digitaliseren". Wij hanteren een gefaseerde, risicogestuurde aanpak:
U levert ons een representatieve, complexe steekproef uit uw archief (bijv. 50.000 pagina's inclusief oude blauwdrukken, meerdere revisies en verschillende talen). Wij leveren een datataxonomie, OCR-kwaliteitsscores, een extractie-blauwdruk en tonen aan welk percentage daadwerkelijk geautomatiseerd kan worden.
We selecteren één procesunit (bijv. één reactortrein + utilities). We brengen dit volledige archief naar gestructureerde data, koppelen P&ID's aan TAGs en 3D-scans, en laten uw engineers de interface testen. We meten de tijdwinst in het vinden van informatie en de nauwkeurigheid van het assetregister.
Pas als de business case bewezen is en de pipelines staan, schalen we op van 100.000 naar miljoenen pagina's met vergaande automatisering.
Beschrijf uw situatie via het contactformulier — we sturen de meest relevante referenties terug en een voorstel voor de opzet van zo'n eerste stap.
Neem contact opNee. Azati bouwt de assetdatalaag eronder, de platformonderdelen die ontbreken en de AI die erop draait, en sluit aan op het platform dat u al gebruikt. Waar een platform van de grond af gebouwd moet worden, doen we dat ook — zoals bij het SaaS- en IoT-platform voor gebouwtwins waaraan we 24 maanden full-cycle engineering leverden.
Ja, maar dan begint het traject daar. Tekeningen, registers en scans worden samengebracht en met elkaar geconfronteerd; tegenstrijdigheden worden expliciet gemaakt in plaats van weggemiddeld. Dat is bijna altijd de eerste stap, en vaak de stap die het meeste oplevert — ook los van de twin.
Dat is het uitgangspunt. Azati werkt met en rondom onder meer AVEVA, Bentley, HEXAGON, Maximo en SAP, en levert uit in formaten die daar landen: DEXPI via Proteus XML, tabellen voor engineering data platforms, gestructureerde exports. Ontbrekende koppelvlakken bouwen we.
Dan draait de verwerking lokaal. Azati bouwde een computer-visionsysteem dat volledig offline op een edge-device werkt; on-premise installaties zijn in dit werk gebruikelijk. Waar gegevens worden verwerkt leggen we per opdracht vast en kan volledig binnen de EU worden ingericht.
Ja. Cloudverwerking van grote puntenwolkdatasets, browsergebaseerde 3D-weergave en de bijbehorende infrastructuur zijn onderdeel van het 24-maandstraject waarin Azati aan elke laag van een gebouwtwin-platform bijdroeg, met onder meer Autodesk APS, Potree en Three.js.
Als de assetgegevens en de sensordata het dragen. Azati heeft rekenintensieve industriële analyse gebouwd — onder meer een platform voor productievoorspelling en hydrodynamische modellering — maar we beginnen niet met een model op gegevens waarvan de herkomst onbekend is. Een voorspelling op een onjuist assetregister is een nauwkeurig verkeerd antwoord.
Eén installatie, één gebouw of één deel van het net, met vooraf afgesproken succescriteria. Dat is genoeg om de kwaliteit van het bronmateriaal zichtbaar te maken, en die bepaalt alles wat erna komt. Doorlooptijd in de praktijk: vier tot tien weken.
Indirect en praktisch. Azati levert geen juridisch advies of compliance-verklaringen, maar wel het technische werk eronder: inzicht in wat er in het landschap draait, logging en toegangsbeheer, en modellen waarvan achteraf te reconstrueren is waarop ze zijn gebaseerd.
