“Hoe Splunk bij RWG de basis vormt voor realtime inzicht, minder stilstand en toekomstgerichte optimalisatie.”
De situatie
RWG (Rotterdam World Gateway) opereert als één van de meest moderne en geautomatiseerde containerterminals ter wereld. Met elektrische voertuigen, sensorgestuurde toegang, autonome planning en een 24/7 operatie is menselijke interactie bewust geminimaliseerd. Minder handmatige processen betekent minder risico op fouten — maar ook een grotere afhankelijkheid van data. De automatisering leverde schaalbaarheid en veiligheid op, maar bracht ook een verborgen uitdaging met zich mee: zonder inzicht in data wordt een storing een black box. Naarmate volumes en afhankelijkheden groeiden, werd dat steeds zichtbaarder
Grip op een digitale operatie
Hoewel systemen functioneerden, ontbrak het inzicht in de keten van verschillende systemen: waar ontstaat vertraging, waarom stopt een workflow en wat veroorzaakt onvoorspelbare stilstand? Het probleem zat niet in de technologie, maar in zichtbaarheid. Data bestond, maar was verspreid over logsystemen, applicaties, leveranciersystemen en OT. Incidentanalyse nam tijd in beslag — tijd waarin de productie vertraagde en beslissingen over de oplossing moesten worden uitgesteld. Storingen waren niet alleen een technisch ongemak; ze hadden operationele én financiële impact.
“We wilden niet méér data — we wilden eindelijk begrijpen wat de data al jaren probeert te vertellen.” — Head of IT & Systems, RWG
Deze constatering markeerde het moment waarop duidelijk werd dat inzicht geen optimalisatievraagstuk was, maar een randvoorwaarde voor een volledig geautomatiseerde terminal.
Het keerpunt
De introductie van Splunk vormde het kantelpunt. Door logdata, procesinformatie en systeemgedrag te correleren, ontstond voor het eerst een samenhangend beeld van de terminaloperatie. De terminal stapte van zoeken wat er misgaat naar begrijpen waarom het gebeurt.
Binnen korte tijd veranderde het ritme van incidentafhandeling:
- De start van probleemanalyse ging van uren naar minuten, grote hoeveelheid data konden real time bevraagd worden
- Teams werkten met één versie van de werkelijkheid
- Leveranciers kregen aantoonbare context in plaats van losse meldingen Wat ooit reactief troubleshooting was, werd een voorspelbare, datagedreven werkwijze.
Onze aanpak
De implementatie werd bewust in fases opgebouwd, passend bij het 24/7 karakter van de terminal:
- Stabiliseren: inzicht krijgen in kritieke signalen en machines.
- Structureren: dashboards en alerts gebaseerd op processen, niet alleen technologie.
- Vergroten: Splunk breder inzetten richting leveranciers, operatie en controlerooms.
- Optimaliseren: KPI-gestuurde monitoring, realtime inzicht en trendanalyse. Door deze aanpak is Splunk geen losse tool, maar onderdeel van de manier waarop de terminalprocessen continu worden verbeterd.
Wat het heeft opgeleverd De implementatie werd bewust in fases opgebouwd, passend bij het 24/7 karakter van de terminal:
- Minder stilstand en snellere probleemlocatie
- Realtime KPI-monitoring uitgesplitst naar type equipment
- Betere samenwerking met leveranciers op basis van feiten
- Een cultuur waarin data het vertrekpunt is, niet het eindstation
RWG opereert nu stabieler, voorspelbaarder en met meer rust in besluitvorming.
De impact nu
Teams vertrouwen op inzicht in plaats van aannames. Problemen worden eerder gezien en sneller opgelost. Dashboards ondersteunen werkoverleggen, validatiesen escalaties —en medewerkers weten wát er gebeurt én waarom.
De verschuiving is tastbaar: van firefightingnaar voorspelbare besturing.
Op weg naar intelligente optimalisatie
Nu de basis staat, ontstaat ruimte voor de volgende stap: AI en machine learningals versterkende laag bovenop observability.
Daarbij staat niet automatisering van beslissingen centraal, maar ondersteuning van menselijke expertise: patronen herkennen die mensen niet zien, vroeg signaleren en situaties corrigeren voordat ze impact hebben.
Dit vraagt vooral om één continue investering: interne mensen die data begrijpen én benutten als stuurinstrument.
