Onderhoud aan onze “vergrijsde” infrastructurele kunstwerken is erg kostbaar en op de lange termijn niet meer werkbaar. We hebben naast het beter snappen van de mogelijkheden van nieuwe technieken ook genoeg uitdagingen. Een te krappe arbeidsmarkt, te weinig specialisme en kleinere budgetten. Daarnaast zien we ook een grote verandering in het aanbesteden van bouw en onderhoud.
Bij aanbesteding van grote kunstwerken wordt de verantwoordelijk voor bouw en onderhoud op dit moment soms in één contract gegund, een zogeheten DBFM-contract. Bij Rijkswaterstaat wordt echter gewerkt aan het updaten van contractvormen, zodat er een betere manier van samenwerking ontstaat. Er wordt zelfs gesproken over contracten op basis van afrekening van betrouwbaar functioneren. In Proeftuin Sluis Eefde wordt volop geëxperimenteerd en hebben 9 partijen tot eind 2019 de kans gekregen van Rijkswaterstaat om van preventief en correctief onderhoud naar voorspelbaar onderhoud te gaan.
Sluis als leeromgeving
Vanaf 2017 fungeert Sluis Eefde als één van de leeromgevingen bij RWS waarbij meerdere partijen in een Open Innovatiestructuur werken. In deze proeftuin zijn onder andere de volgende partijen actief: Rijkswaterstaat, Mobilis-TBI, SPIE, Combinatie BAM/vd Herik, ifm electronic, enerGQ, C-Cube, Keworks, Universiteit Twente en Stichting World Class Maintenance. Elke partij bezit zijn eigen kennis en ziet vanuit deze proeftuin de kans haar kennis uit te breiden door een en ander in de praktijk toe te passen. Om de inzichten te structureren, is er gekozen om de onderwerpen op te splitsen in meerdere silo’s. Elke silo brengt zijn eigen inzichten met zich mee en de leermomenten worden met de werkgroep gedeeld om op die manier van elkaar te leren. Eén van die belangrijk leermomenten is hoe je diverse databronnen gebruikt zodat er preventief onderhoud gepleegd kan worden.
Voorkomen van defecte tandwielkast door het combineren van data
Op de nivelleerschuiven van de sluis worden tests uitgevoerd en wordt energiemonitoring (hoeveelheid en kwaliteit) met detectie op afwijkingen ingezet om inzicht te verkrijgen in alle bewegingen en handelingen die op en rondom de nivelleerschuiven van de sluis worden geregistreerd. De reguliere manier van werken is dat na een melding de storingsafhandelaar deze doorstuurt door naar de centrale en die stuurt het weer door naar de aannemer. Om te weten wat er aan de hand is moet de aannemer op locatie gaan kijken, daarna kan hij pas de juiste mensen of middelen inzetten. Dit proces kost veel tijd en dat kan versneld worden, bijvoorbeeld door de energiedata en alarmeringendata gerichter door te sturen. Men kan dan adequater reageren of zelfs besluiten dat het om een valse melding gaat en het niet nodig is om inspectie te doen.
Bij Sluis Eefde hangen er op diverse onderdelen van de sluis meetapparatuur. Onlangs werd er aan de hand van energiemetingen op de hoofdverdeling van de schuiven heel af en toe een afwijking gedetecteerd in de vermogens tussen de drie fases. De aannemer, SPIE, ging kijken en zag of hoorde in eerste instantie nog niets. Toen een paar weken later de frequentie van de alarmeringen verder toenam is opnieuw een monteur gaan kijken en hoorde hij een vreemd geluid. Toen hij goed keek constateerde hij een onbalans in de motor. Deze onbalans wordt normaal gesproken pas opgemerkt als de tandwielkassen kapotgaan. Doordat dit nu tijdig werd ontdekt, werd de onbalans verholpen en is zo’n 20.000 euro aan schade en mogelijk ook stremming voorkomen.
Volgende stap
Een mooi voorbeeld dus, maar we kunnen nog veel verder gaan. Een volgende stap in dit proces zou kunnen zijn dat direct kan worden gedetecteerd waardoor deze onbalans ontstaat. Dit zou bijvoorbeeld kunnen door de schuiven individueel te monitoren en naast de energiemetingen ook monitoringsapparatuur voor het meten van trillingen te plaatsen, zoals nu al het geval is op de grote aandrijfmotoren en tandwielkasten. Op basis hiervan zou de combinatie van energiedata en trillingsdata per schuif nog meer input geven voor het algoritme van het model. Dit zou mogelijk maken dat het voorspellende model dan ook exact kan aanwijzen waar en op welk van de motoren het probleem zit en wat het is. Hierdoor hoeft een aannemer niet zelf meer fysiek te gaan zoeken. Kortom, hoe meer we leren te vertrouwen in metingen hoe sneller we kunnen schakelen.
Bron: World Class Maintenance
