Sluis Eefde – voorspelbaar onderhoud
Wereldwijd actieve ondernemingen streven naar World Class Maintenance.
Hoogste maatstaven in alle bedrijfssectoren zorgen voor een verbetering van alle processen. Ook bij de infrastructuur van waterwegen in Nederland werkt men volgens deze principes.
Er bestaat een grote behoefte aan innovaties bij de instandhouding en het beheer van de infrastructuur. In het project “Fieldlab CAMINO” werken verschillende partijen samen aan de ontwikkeling van toepassingen om het onderhoud van de waterinfrastructuur met behulp van sensoren en gegevensanalyse 100 procent voorspelbaar te maken.
In het kader van dat proces heeft Rijkswaterstaat en projectpartner Mobilis TBI een pilotproject in het sluizencomplex in Eefde gestart, om nieuwe en innovatieve technieken te testen en toe te passen om meer inzicht in de toestand van de sluis zelf te verkrijgen, inclusief de directe omgeving daarvan. Het doel is om onderhoudswerkzaamheden aan de infrastructuur voor 100 procent voorspelbaar te maken. Klassieke oplossingen in de vorm van corrigerende en preventieve onderhoudsactiviteiten volstaan niet meer.
De uitdaging is just-in-time-onderhoud
Precies op tijd om te voorkomen dat er iets verkeerd gaat, maar niet te vroeg om de kosten te drukken. Dat vereist een slimme aanpak: Intelligente onderhoudsplanning, waarbij de nieuwe ontwikkelingen zoals het gebruik van sensorsystemen, datavoorspellingsmodellen, Big Data en het Internet of Things (IoT) worden gebruikt. ifm is hier als aanbieder van real-time-maintenance-oplossingen eveneens als projectpartner bij betrokken.
Alle deelnemers brengen kennis en ervaring mee op het gebied van instandhouding, bewaking en beheer van watersystemen en -structuren, meet- en analysetechnieken alsmede gegevensarchitectuur en -opslag.
Doel van het project in Eefde is het ontwikkelen van een “intelligente sluis”, die automatisch inzicht biedt in de feitelijke toestand, deze met behulp van algoritmen analyseert en op basis daarvan automatische verbeteringsvoorstellen doet voor de bouw of de noodzakelijke onderhoudsplanning. “ifm is voor ons een belangrijke speler in dit project, omdat zij veel kennis en ervaring inbrengen.”
“De positieve ontwikkeling van dit project nu is al het feit dat de diverse partners uit verschillende disciplines, zoals de overheid, toeleveranciers, evenals wetenschappelijke instituten, zoals een universiteit, samenwerken. Iedereen investeert dus om zijn eigen oplossingen te ontwikkelen.
ifm is voor ons een belangrijke speler in dit project, omdat zij veel kennis inbrengen over sensoren, over toepassingen van deze sensoren in andere branches en daarmee ook veel ervaring, die ook in deze context kan worden gebruikt. Daar ben ik dan ook zeer tevreden mee.”
Uitval vermijden
De sluis in Eefde heeft een belangrijke functie in de regio. Zij is de toegang van de IJssel naar het Twente-kanaal. Veel bedrijven zijn afhankelijk van het kanaal als transportweg.
Een ongeplande storing van de sluis zou zodoende aanzienlijke problemen veroorzaken. De sluis werd in 1933 gebouwd. Rijkswaterstaat (als verantwoordelijke instantie voor de infrastructuur) wil de instandhouding van essentiële installaties beter in de hand houden.
Per twee verschoven aangebrachte trillingssensoren bewaken permanent de toestand van het roterende lager.
Permanente toestandsbewaking
Er werd een condition-based onderhoudsoplossing geïnstalleerd om het openen en sluiten van de sluis soepel te laten verlopen en ongeplande uitvaltijden te voorkomen. Daarvoor heeft projectpartner ifm een trillingsdiagnosesysteem aan de motoren en de overbrengingen van de sluisdeuren geïnstalleerd. Opkomende beschadigingen aan de lagers leiden tot een gewijzigd trillingsgedrag. Dat herkennen de sensoren en melden dat bij het bereiken van de drempelwaarden. Zo kan een vervanging van componenten worden gepland en uitgevoerd voordat het tot een plotselinge stilstand komt door een defect.
Daarover Ruud Schoenmakers, asset manager Mobilis TBI, Nederland:
“Voor ons draait het om 100% voorspelbaarheid. Dat houdt in dat een preventief of corrigerend onderhoud tot het verleden behoort. Wij meten alle gegevens om de noodzakelijke onderhoudswerkzaamheden optimaal te kunnen plannen en uitvoeren. Predictive maintenance heet dat, doordat we gegevens meten, gegevens verzamelen en daaruit informatie winnen om het onderhoud op het juiste tijdstip te kunnen uitvoeren.
Dat juiste tijdstip wordt bepaald door een aantal voorspelbare en vaste, meetbare factoren, waaronder het gedrag van objecten, componenten en systemen, uitvalgedrag, degradatiegedrag, maar ook factoren als weersomstandigheden, waterstanden en beschikbaarheid van personeel en de bedrijfstijden van de sluizen. Aan de hand van deze meetbare en objectieve factoren kunnen wij het optimale tijdstip voor het onderhoud kiezen en zo nare verrassingen vermijden.”
Vroeger vond er regelmatig onderhoud plaats. Maar dat was duur en kon het risico van ongeplande uitvaltijden niet volledig elimineren. Bovendien werden in geval van twijfel componenten vervangen, waarvan het slijtagepotentieel nog niet volledig was benut. Ook dat veroorzaakt onnodig hoge kosten. Met het predictive maintenance worden kosten geminimaliseerd en de bedrijfszekerheid zonder uitval gemaximaliseerd.
Geen ingreep in de bestaande installatie
Voor de beheerder was het belangrijk om het historische sluizencomplex zoveel mogelijk onaangetast te laten. Daarom heeft ifm de oplossing geïnstalleerd zonder in de installatiestructuur in te grijpen of het gebruik op enigerlei wijze te beïnvloeden. De trillingsdiagnose werd als het ware als een zelfstandig systeem over de installatie aangebracht.
Naast de trillingen worden met behulp van sensoren ook de temperatuur van de installatie en de luchtvochtigheid gemeten en meegenomen in de totale analyse. De meetwaarden en alarmmeldingen worden via een zelfstandige, draadloze gateway naar de centrale verzonden waar de gegevens geëvalueerd en geanalyseerd worden. Bovendien bewaakt de ifm-gelijkloopmonitor DS2505 de linker en de rechter kettingtakel bij de sluisdeur op synchroniteit.
De elektronica voor de trillingsanalyse van het type VSE, een ifm-gelijkloopmonitor, evenals een draadloze gateway voor de verzending van de gegevens naar een centrale locatie zijn in een ruimtebesparende schakelkast ondergebracht.
Conclusie
De trillingsbewaking vormt slechts een kleine component in het World Class Maintenance. Maar met de verkregen gegevens kunnen de processen beter worden begrepen, geoptimaliseerd en deze kennis voortaan bij andere projecten worden gebruikt – zodat de waterinfrastructuur voor 100% voorspelbaar is en uitval kan worden vermeden.
