Proeftuin Smart Maintenance Zeelandbrug, voorspellend onderhoud!
Dat klinkt goed. Iets voorspelt ons wanneer we het beste onderhoud kunnen doen, zodat én geen storing én niets te veel gedaan wordt. Misschien haak je nu al af onder het motto ‘meeste dromen zijn bedrog’. Begrijpelijk, want techniek laat zich niet altijd goed voorspellen. “Hij doet het of hij doet het niet”. Om het faalgedrag van techniek voorspelbaar te krijgen zullen we er dus iets voor moeten doen. En dat ‘iets’ wordt onderzocht in een Proeftuin Smart Maintenance Zeelandbrug!
Deze proeftuin zijn we gestart met nog 3 andere partijen: Hogeschool Zeeland (HZ), Stichting World Class Maintenance (CAMINO) en de Zeelandbrug beheerder zelf; Provincie Zeeland. In een later stadium is daar IFM Electronic nog bij aangesloten. Elke partij brengt zo zijn eigen expertise aan tafel en gezamenlijk hebben we hetzelfde doel: een methode ontwikkelen die ingezet kan worden om onze onderhoud strategieën naar een hoger plan te tillen. Dat klinkt nog voorzichtig, maar eigenlijk bedoelen we dus met het hoogste plan: voorspellend onderhoud.
Elektrisch onderhoud basculebrug
Zoals de naam van de proeftuin al verklapt, kijken we voor ons project naar de Zeelandbrug. En om precies te zijn: naar het beweegbare gedeelte van de 5 kilometer lange brug. Deze basculebrug bestaat uit twee beweegbare brug gedeeltes die in elkaar grijpen wanneer ze gesloten zijn. Istimewa Elektro voert voor de Provincie Zeeland al geruime tijd elektrotechnisch onderhoud uit aan deze brug. Daarnaast is Istimewa betrokken geweest bij het vernieuwen van de elektrische aandrijving in 2017. Wil je meer weten over deze proeftuin van de afdeling Maintenance? Neem dan contact op.
Aanpak voorspellend onderhoud
Hoe vlieg je dit nu aan, voorspellend onderhoud? Betrouwbare voorspellingen moeten wij als mensen/computers doen op basis van gegevens. We komen er dus niet onderuit dat we iets met gegevens moeten gaan doen met Data Science. En het liefst zo veel mogelijk betrouwbare gegevens. Naast het stukje verzamelen van gegevens moet natuurlijk ook bepaald zijn wat we überhaupt graag voorspellend willen krijgen. Hiervoor is er een instrument van Assetmanagement gebruikt: FMECA. Een Engelse afkorting voor heel simpel gezegd: ‘wat kan er allemaal kapot en hoe erg vinden we dat?’
Quick FMECA en CRSP DM
Een FMECA kan heel uitgebreid en ingewikkeld worden. In de proeftuin is ervoor gekozen om het in eerste instantie simpel te houden en m.b.v. een snelle “Quick FMECA” de richtlijnen uit te zetten wat interessant is om voorspelbaar te krijgen of de conditie ervan te gaan monitoren.
Een andere term die gebruikt wordt is CRISP DM. Dit staat voor CRoss-Industry Standard Process for DATA Mining. Eigenlijk is dit een hulpstuk van DATA Science. De CRISP DM beschrijft een methode om stapsgewijs een voorspellend model op te bouwen op basis van verzamelde gegevens. Het idee is simpel: wanneer je genoeg informatie hebt omtrent een storing dan bouw je daar een rekenkundig model van die vroegtijdig signalen kan herkennen en daarmee een waarschuwing kan afgeven voordat daadwerkelijk het defect een storing is geworden.
Toekomstig voorspelbaar onderhoud
Met deze proeftuin worden de eerste stappen gezet naar voorspelbaar onderhoud. Hierbij gaat het dan in eerste instantie om de elektromechanische aandrijving van de Zeelandbrug te “monitoren” en om zo de conditie te bewaken. De kennis en ervaring die wordt opgedaan kan weer gebruikt worden bij andere beweegbare natte objecten (bruggen/sluizen), die veelal zijn uitgevoerd met een elektromechanische aandrijving.
Waarom deze aanpak?
Vanuit beheerders ontstaat steeds meer vraag om onderhoud uit te voeren op basis van data en data gedreven onderhoud toe te passen. Onder andere met deze proeftuin wordt een groeiproces in gang gezet om aan deze vraag te kunnen voldoen in de toekomst.
Focus en plaatsing aanvullende sensoren
Onder andere op basis van de uitkomst van de Quick FMECA is ervoor gekozen om ons in de proeftuin te focussen op de Elektromechanische aandrijving van de brug. Deze bestaat uit een Elektromotor dat via een reeks tandwielkasten (TWK) en mechanische overbrengingen de brug laat openen en sluiten. Een aantal van deze tandwielkasten is al op hoge leeftijd, namelijk zo oud als de brug zelf (1965). In het kader van de proeftuin is de gehele aandrijving van het Zuidelijk brugval nu aangekleed met 23 trillingssensoren en 19 temperatuursensoren. Daarnaast zijn er sensoren die de oliekwaliteit van een tweetal grote tandwielkasten bewaken, de omgevingsconditie van de technische ruimte wordt gemonitord en wordt er gebruik gemaakt van reeds aanwezige slimme sensoriek binnen de elektrische aandrijving.
Een totaaloverzicht van de sensoren is gegeven in onderstaande figuur. De figuur toont een bovenaanzicht van de technische ruimte van het zuidelijk brugval.
Voortgang en uitdaging
In de zomer van 2021 zijn alle aanvullende sensoren geplaatst die zijn aangesloten op een speciaal ingerichte apparatenkast. Hiervan geven we een impressie op bovenstaande foto’s. Momenteel ligt er nog een uitdaging om alle data die door de sensoren wordt verzameld op een betrouwbare en veilige manier te verzenden naar een zogeheten centrale data bucket, van waaruit data scientists analyses kunnen doen. De analyses kunnen vervolgens gebruikt worden om een beeld te vormen over het technisch functioneren van de aandrijving en deze real time te kunnen monitoren.
