Hoogheemraadschap Hollands Noorderkwartier: “Het is zonde om ieder voor zich het wiel uit te vinden”

Voorspelbaar onderhoud: een hype of toekomstmuziek? Als het aan World Class Maintenance ligt is het dat laatste. Hoewel Smart Maintenance nog aan het begin van de ontwikkeling staat, zien steeds meer organisaties er het belang van in. Zo ook Hoogheemraadschap Hollands Noorderkwartier (HHNK). Klaas Jan de Hart, clusterhoofd assetmanagement bij HHNK, vertelt over zijn ervaringen met machine learning.

Hoogheemraadschap Hollands Noorderkwartier is verantwoordelijk voor de waterveiligheid in de regio boven het Noordzeekanaal in Noord-Holland. Hier beschermen ze het land tegen wateroverlast en -tekort, zorgen ze voor veilige waterwegen en zijn ze bezig met schoon en gezond oppervlaktewater. Om dit steeds beter en efficiënter te kunnen doen, zet HHNK achter de schermen in op het slimmer inrichten van assetmanagement. Dat doen ze onder andere door gebruik te maken van machine learning.

Aansturen van de pompen en gemalen

Eén van de processen waarin dit al gebeurt, is het aansturen van de pompen en gemalen. Klaas Jan:

“Ik geloof enorm in model predictive control. Dit houdt in dat we de installaties aansturen op basis van data die we verzamelen. Denk aan weersvoorspellingen, getijdenstromingen en kenmerken van het seizoen, maar ook aan energieprijzen. Al deze informatie zetten we in een model. Dat model bepaalt vervolgens voor de komende 24 uur wat de beste momenten zijn om water weg te pompen uit het oppervlaktewater en de rioleringen en de inzet van de afvalwaterzuiveringen. Zo zet je de installaties optimaal in, tegen de laagste kosten. Dit modelsturen begint een steeds grotere vlucht te nemen.”

Rioolgemaal vol met sensoren

Een andere vorm van datagestuurd werken en modelsturing is predictive maintenance, ofwel voorspellend onderhoud. Ook daarin zet HHNK stappen. Klaas Jan:

“Momenteel draaien we een pilot in Heemskerk. Hier hebben we een bestaand rioolgemaal volgehangen met sensoren. Denk aan frequentieregelaars, trillingmeters, druksensoren en temperatuurmeters. Ook maken we gebruik van technieken die al in een rioolgemaal aanwezig waren, zoals standmeldingen, overstroommetingen en drukmetingen. Hiermee halen we enorm veel data binnen over de status van het rioolgemaal.”

Data op orde krijgen

De grootste uitdaging bij voorspelbaar onderhoud is echter niet het verzamelen van data, maar het interpreteren ervan. Klaas Jan:

“Of het nu gaat om het slim aansturen van de pompen of voorspelbaar onderhoud: het op orde krijgen van alle data is al een uitdaging op zich. Voordat je je onderhoud hierop kunt baseren, moet je hele goede analysemodellen hebben. Daarnaast weten we nog niet precies wat de beste voorspellers zijn voor onderhoud. Want waar de een zegt dat je de trillingen in de gaten moet houden, gelooft de ander heilig in het monitoren van energieverbruik. De waarheid ligt waarschijnlijk ergens in het midden.”

Het wiel uitvinden

HHNK is niet de enige organisatie die bezig is met voorspelbaar onderhoud. Daarom wil Klaas Jan graag samenwerken om dit te ontwikkelen. Hij vertelt:

“Ik heb het idee dat veel bedrijven nu – net als wij – bezig zijn om zelf het wiel uit te vinden. Ik geloof erin dat je verder komt door samen te werken. Daarom heb ik al contacten gelegd met de waterschappen in Amsterdam en Rijnland om onze krachten te bundelen in een Fieldlab. We zoeken nog partners die zich bij ons aan willen sluiten. Hoe meer expertise we immers in huis hebben, hoe beter de ontwikkelingen gaan.”

Wil je meer weten over dit Fieldlab of wil je in contact komen met Klaas Jan? Laat het weten aan Ruben Ogink, projectleider Fieldlab CAMINO.