De industrie is de afgelopen jaren complexer geworden terwijl het Industrial Internet of Things geleidelijk aan is omarmd. Veel installaties kunnen al automatisch worden bijgestuurd op basis van real-time data die slimme sensoren genereren. In de industrie is steeds meer intelligentie nodig om complexe problemen te analyseren en op te lossen. Ook bij asset management speelt digitalisering een belangrijke rol om het juiste moment van onderhoud te kunnen inplannen. Maar met digitalisering alleen, red je het niet. John Bruijnooge, site manager van Sabic in Geleen, legt uit het bedrijf de beschikbaarheid van installaties op peil houdt.

‘Sabic in Geleen telt elf fabrieken waaronder chemische fabrieken, krakers en een aantal polymerenfabrieken. Deze maken vanuit nafta onder meer polypropeen en polyetheen. Om de installaties beschikbaar te houden, hebben we een centrale technische groep die bepaalt welk onderhoudsfilosofie voor bepaalde assets nodig is. Daarnaast is er een centraal uitvoeringsteam in onderhoud. Er is dus een afstemming en gelijkvormigheid tussen de elf fabrieken.’

Criticality

Toch wordt iedere fabriek ook afzonderlijk benaderd. ‘We hebben een Asset Performance Management proces waar we de criticality of kriticiteit van een asset bepalen. Sommige assets produceren een kritisch product. Voor een aantal producten is de marktvraag of zijn de marges hoog, voor anderen minder. Aan de hand van dergelijke factoren bepalen we het niveau van kriticiteit wat leidt tot een specifieke onderhoudsstrategie aangaande de asset. Een heel kritische asset waar we behoorlijk mee kunnen verdienen, daar passen we meer digitale technieken op toe, zoals monitoring. We voeren extra maintenance uit en houden veel reservedelen op voorraad zodat, mocht er wat gebeuren, de fabriek weer snel in bedrijf is.’

Gediversifieerde strategie

Een asset die anderzijds worstelt om diens positie in de Europese markt, daar past Sabic een andere asset managementstrategie op toe. ‘Veiligheid behandelen we over de hele lijn vanzelfsprekend hetzelfde, maar wat betreft beschikbaarheid en betrouwbaarheid nemen we andere risico’s. Verdienen we minder aan een product, dan betekent dit dat we minder reservedelen op voorraad houden, we minder preventief onderhoud uitvoeren maar ook dat we run to failure-strategieën toepassen op bepaalde equipment. Dit leidt tot een optimaler kostenplaatje als geheel dan wanneer je voor deze iets minder kritische assets ook de meest geavanceerde monitoringsstrategieën gaat toepassen en predictief onderhoud inzet. Kortom, we hebben een gediversifieerde assetmanagementstrategie, niet elke asset behandelen we op dezelfde manier.’

Sensoriek

De bewezen onderhoudsmethodieken die in de (petro)chemische industrie alom bekend zijn en sectorbreed worden toegepast, zijn ook bij Sabic geïntegreerd. Bruijnooge: ‘Daarnaast volgen we uiteraard trends en nieuwe methoden om equipment te bewaken, zodat je op het juiste moment (niet te vroeg maar zeker ook niet te laat) het onderhoud (niet te veel of te weinig) uitvoert dat nodig is. Daar helpen de digitale technieken mee. Om dit te kunnen realiseren volgen we wat er op de markt is, we draaien pilots en de meest kritische equipment bewaken we met geavanceerde temperatuur- en trillingssensoriek, waarbij we gebruikmaken van slimme digitalisering. Op dit gebied doen we het niet veel anders dan andere bedrijven in onze sector.’

Stabiel-draaien-concept

Naast bovengenoemde benadering zijn er nog twee andere zaken die Sabic doet om de beschikbaarheid zo hoog mogelijk te houden. ‘Al enige tijd passen we het zogenaamd stabiel-draaien-concept toe. Vanuit de kern van operations en onderhoud is er altijd een intrinsieke drive om na te gaan hoe er nog meer uit de fabriek kan worden gehaald. Men wil dicht tegen de limieten van de fabrieken draaien om er zoveel mogelijk uit te halen. Maar dan neem je ook risico’s. De equipment is niet ontworpen om altijd op de limiet te draaien, waardoor onderdelen mogelijk sneller dan verwacht moeten worden vervangen. Altijd het maximale uit de fabriek halen hebben we jarenlang geprobeerd, wat heeft geleid tot de mindset van records draaien. Wie kent niet de onderlinge strijd tussen ploegen die hun collega’s van andere shifts willen overtroeven? Maar met deze mentaliteit drijf je de fabriek uiteindelijk tot aan de limiet en soms zelfs eroverheen, waardoor zaken stuk gaan en moeten worden schoongemaakt of vervangen.’

Minder stress

Daarom heeft het bedrijf nu een andere mindset geïmplementeerd. ‘Ons motto luidt: “Zoek het meest optimale punt om de fabriek stabiel te laten draaien voor een langere periode waardoor ongepland onderhoud drastisch vermindert.” Dit is logischerwijs niet het allerhoogste punt. Bereik je voor een langere periode die stabiele situatie, dan kun je nagaan of je door bepaalde instellingen of parameters te veranderen, je een niveau hoger kunt komen zonder in te boeten aan die hoge betrouwbaarheid en beschikbaarheid. Door deze mindset toe te passen, haal je veel meer uit de fabriek. Er zijn minder ongeplande storingen en reparaties, er is minder afval, een betere energiehuishouding en -gebruik en het leidt tot minder stress bij de operators en monteurs die te pas en te onpas een noodreparatie moeten uitvoeren. Onder de streep is er meer output en zijn er minder kosten.’

Aandacht

Deze strategie bereik je alleen door de juiste mentaliteit. ‘Er zijn geen bijzondere digitale middelen nodig om hiertoe te komen. Vanuit je productiemanagementsysteem en je data historiesysteem, Excel en dagelijkse ochtendbesprekingen, ga je na of je de verwachte productie hebt gehaald. Mocht het vooropgestelde doel niet zijn bereikt, dan ga je na wat heeft geleid tot instabiliteit. Het is een proces dat we dagelijks bespreken. De tools zijn eenvoudig, maar de mindset is contra-intuïtief. Het is best tegenstrijdig aan de noodzaak en behoefte om meer te doen en harder te gaan. Het is daarom belangrijk om hier als management continu aandacht aan te besteden, zodat iedereen begrijpt waarom je voor deze aanpak kiest en wat het oplevert.’

Optimaliseren

Een tweede aspect dat bijdraagt aan de hoge beschikbaarheid is het werken met een decision support tool. ‘Veel onderhoudsactiviteiten en turnarounds worden bepaald op basis van de historie en de actuele gegevens. Maar ook hier zijn mogelijkheden tot verbetering’, stelt Bruijnooge.

‘Op globaal niveau werken we met adviesbureau The Woodhouse Partnership. Zij hebben een decision support tool (DST) waarmee we optimaler kunnen bepalen wanneer welke interventie op onze equipment het beste kan plaatsvinden. In elke fabriek zijn er diverse onderhoudstaken: reparatie van equipment, het vervangen van specifieke onderdelen, preventieve tests van instrumentatie, inspecties, etc. Alle onderdelen van een fabriek hebben ieder afzonderlijk hun meest optimale moment van interventie. Dat komt nooit honderd procent overeen met de andere onderdelen. Het ene onderdeel heeft in optimale omstandigheden na drie jaar onderhoud nodig, het andere deel pas na vijf jaar, jaarlijks of maandelijks. Alle onderdelen hebben daarnaast een eigen risicoprofiel. Wacht je te lang met onderhoud, dan zorgt dit voor problemen. De grootte van de problemen hangt af van de kriticiteit van de assets. Voor een stop bijvoorbeeld zijn typisch zo’n 20-25 taken de reden om te moeten stoppen. Voor ieder van deze taken wordt een optimaal moment van interventie bepaald.’

John Bruijnooge (Sabic): ‘We zijn van twee korte stops per jaar naar één korte stop per jaar gegaan in een aantal fabrieken.’

Levensduur

De DST maakt gebruik van algoritmes die dan over deze groep van taken het optimale moment van de stop bepalen. ‘Hiermee hebben we intervals van stops verlengd, en zijn we van twee korte stops per jaar naar één korte stop per jaar gegaan in een aantal fabrieken. Dat hebben we dankzij deze tool voor elkaar gekregen, omdat inzichtelijk wordt welke equipment de bottleneck is. Als je weet wat je ervan weerhoudt om van vijf naar zes jaar te gaan, dan kun je onderzoeken of je daar wat aan kunt doen. Soms kun je de bottleneck oplossen of weghalen door bijvoorbeeld te investeren in een dubbele uitvoering, zodat heel de fabriek een extra jaar kan doordraaien. We hebben er onze small stops en grote turnarounds mee kunnen optimaliseren en voor complexe en dure vervangingen of reparaties een aantal keren significant meer levensduur uit bestaand equipment gehaald. We kijken naar de limieten van het equipment zonder aan veiligheid in te boeten.’

Maximale waarde

Vaak zijn het geen grote investeringen die je ervan weerhouden om een turn­around met een jaar op te schuiven, stelt Bruijnooge. ‘Denk bijvoorbeeld aan interventies die nodig zijn omdat bepaalde pijpleidingen door vuilophopingen dichtslibben. Door een bypass of tweede pijpleiding te maken, kun je de productie omleiden en draaiende houden zodat je het nodige onderhoud kunt uitvoeren. Deze taak is hiermee niet langer stop-gerelateerd. Die bypass vergt een investering, maar in vergelijking met het verlengen van de onderhoudsintervallen heb je die zo terugverdiend. We zetten kosten af tegen risico’s, in wezen optimaliseren we reliability met availability en gaan voor de maximale waarde (value).’

Cirkel van verbetering

De polypropyleenfabrieken van het chemiebedrijf in Geleen zijn dankzij de DST in 2021 van twee kleine stops naar één kleine stop overgegaan. ‘Hiermee hebben we meteen twee weken per jaar gewonnen, wat financieel enorm veel oplevert. We verliezen een beetje doorzet in de laatste weken voor de stop maar winnen total uptime; de OEE gaat omhoog. Als je onderzoekt wat het vervuilingsproces is, moet je weten hoe snel dit verloopt en wat het risico is als je de volgende periode niet haalt. Je mag niets overlaten aan het onderbuikgevoel of sturen op basis van ervaring hoe je het in het verleden deed. Belangrijk is dat je weet wat je waarom doet. Professionele acilitering van de studie dwingt je om op basis van data te werken. Hoe vuil is een ‘vuile pijpleiding’? Je kunt hier een waarde aan geven door de dikte van het slib binnenin de pijpleiding te meten. We doen niet langer wat we deden, maar nemen beslissingen op basis van data. En dat leidt tot nieuwe kansen en dat in een continue cirkel van verbetering .’

Modulaire opzet

‘In onderhoud worden modulaire concepten steeds belangrijker’, stelt Wouter van Gerwen, New Business & Innovation engineer bij Bilfinger Tebodin. Dit heeft een aantal redenen. ‘Bij turnarounds vinden er veel activiteiten tegelijkertijd plaats, terwijl de omstandigheden waarin wordt gewerkt op iedere turnaroundlocatie kunnen verschillen. Hoe meer werk je kunt voorbereiden door installatiedelen in modules te bouwen, des te minder constructie-uren op de bouwplaats. De onderhoudsperiode is hierdoor des te veiliger en goed te plannen. Het verminderen van de uren ter plaatse kan een belangrijke bijdrage leveren aan het verkorten van de stop en des te minder is er sprake van de derving van inkomsten.’

Wouter van Gerwen (Bilfinger Tebodin): ‘Het uitwisselen van een unit gaat veel sneller dan ter plekke onderhoud te moeten uitvoeren.’

Of het nu gaat om preventief, correctief of predictief onderhoud, een modulaire opzet verlaagt de stoptijden wat leidt tot een hogere productiviteit. ‘Units kunnen snel worden uitgewisseld, waarna er offline onderhoud kan worden uitgevoerd. Hier kan de procesindustrie nog leren van voorbeelden van onderhoud in de automotive of luchtvaartindustrie. Uitgangspunt is het sturen op inkomsten. De goedkoopste manier om de capaciteit te vergroten is het aantal productieve uren te verhogen. Daar kan een modulaire opzet aan bijdragen. Het uitwisselen van een unit gaat veel sneller dan ter plekke onderhoud te moeten uitvoeren.’

Aanpassingsvermogen

Denken en werken in modulaire concepten heeft ook een positieve invloed op investeringen. Van Gerwen: ‘Als je de investering kunt opknippen in modulaire stappen die de klantvraag volgen, creëer je meer beslismomenten. Je kunt bijsturen op elk moment, zowel in productievolumes als in installatie-optimalisatie. Dit is fijn vanuit een financieringspers­pectief aangezien het leidt tot een snellere – want lagere – eerste investering.’

In het huidige tijdperk zijn de marktvraag en de randvoorwaarden vaak moeilijk te voorspellen. ‘Aanpassingsvermogen is daartegen de belangrijkste remedie. Als je niet een volledig nieuwe productie-installatie hoeft te bouwen, maar een aantal modules kunt aanpassen, kun je sneller schakelen.’

Hogere restwaarde

Het komt regelmatig voor dat installatiedelen op het eind van hun economische levensduur of nut nog lang niet aan hun technische levensduur zitten. Van Gerwen: ‘Nu gaat, zelfs bij het benutten van de tweedehandsmarkt voor werktuigbouwkundige apparatuur, veel waarde verloren. Tot wel 75 procent. Is de fabriek echter modulair opgebouwd, dan leidt dit ertoe dat je volledige, zelfstandig functionerende units terug kunt brengen naar hun leverancier. Deze ontvangt waardevolle informatie over het gebruik ervan, kan het ontwerp aanpassen en na refurbishment krijgt de module een tweede leven, dankzij het netwerk van de leverancier. Dit geeft bovendien mogelijkheden voor leaseconstructies met onderhoudscontracten.’

Digitalisering is niet meer weg te denken in de industrie. Er is steeds meer mogelijk. Wat zijn de innovaties op dit gebied met betrekking tot asset management? ‘Conditiemeting gebeurt in de industrie veel en vaak, maar tegelijkertijd voeren veel onderhoudsmonteurs ook nog manuele inspecties en preventief onderhoud uit. Toch zie je bedrijven werkzaam in de procesindustrie steeds vaker sensoren implementeren, er de meerwaarde van inzien en ze combineren met andere slimme technieken. Nieuwe communicatietechnologieën zoals NB-IoT en 5G, de cloud en AI-modellen met Machine Learning protocollen zorgen ervoor dat de industrie veel meer kan met digitalisering terwijl het ook goedkoper en betrouwbaarder wordt’, zegt Staf Seurinck, Country Managing Director bij ABB Nederland.

De technologie is marktbreed beschikbaar en de acceptatie neemt toe. Staf Seurinck: ‘De coronacrisis is een enorme enabler geweest voor veel bedrijven om die digitaliseringsslag te maken. Er is meer vertrouwen in bijvoorbeeld de cloud en online meetings, maar ook meer aandacht voor cybersecurity en remote service.’ Collega Robin Huber, condition monitoring expert, geeft een voorbeeld uit de praktijk. ‘Je kunt tegenwoordig vaak kiezen voor een éénweg- dan wel tweewegcommunicatie. Wij hebben voor onze drives onze gateways zo ingericht dat we niet alleen data kunnen uitlezen, maar indien nodig ook kunnen ingrijpen. Een engineer hoeft niet langer ter plaatse te komen, maar kan door in te loggen met een veilige digitale sleutel op afstand wijzigingen doorvoeren. Hiermee kun je veel kosten en tijd besparen.’

‘Ik verwacht dat augmented reality in 2022 definitief doorbreekt.’

Staf Seurinck, Country Managing Director ABB Nederland

Een aantal van ABB’s klanten maken al gebruik van de tweewegcommunicatie, maar andere klanten geven vooralsnog de voorkeur aan eenrichtingsverkeer. ‘Het klopt dat er bij tweewegcommunicatie meer cyberrisico’s zijn in vergelijking met éénwegcommunicatie omdat er tijdelijk een deur wordt opengezet, maar door goede monitoring en de juiste veiligheidsmaatregelen kun je indringers buiten houden. Dit betekent wel dat er blijvende aandacht voor cybersecurity nodig is. De aandacht daarvoor wordt in de toekomst nog belangrijker aangezien steeds meer digitaal gebeurt. De overheid maakt gelukkig ook fondsen vrij om er extra aandacht aan te besteden.’

5G

Met 5G zijn bepaalde technologieën ook eenvoudiger te implementeren, stelt Seurinck. ‘Met 4G en binnenkort 5G is veel mogelijk, maar het is tegelijkertijd vooralsnog niet goedkoop. Wil je dit in asset management toepassen, dan is een goed businessmodel essentieel. Het moet waarde genereren zoals het voorkomen van stilstanden, het verhogen van de productiviteit, het verlagen van kosten, verbeteren van processen enzovoort. Voor conditiemeting an sich is geen 5G nodig, maar wil je bijvoorbeeld augmented reality (AR) toepassen, dan is het een heel ander verhaal. Een engineer loopt met een AR-bril door de fabriek en ziet op het netvlies waarschuwingen opduiken bij een onderdeel van een asset.

De tablet, die eveneens met 5G is gekoppeld, gebruikt de engineer om via een wireless verbinding meer info van de betreffende asset via de cloud op te vragen of remote ondersteuning van collega-engineers. Real-time ontvangt de monteur instructies. Dit beeld werd in het verleden al eens beschreven, maar dit zal binnenkort bij veel bedrijven realiteit worden. De nieuwste generatie brillen zijn namelijk in combinatie met 5G en softwareontwikkeling eenvoudiger te dragen en veel intuïtiever, waardoor ik verwacht dat AR in 2022 definitief doorbreekt.

Het fieldlab VIA APPIA dat bij World Class Maintenance is opgestart heeft twee miljoen subsidie gekregen van de overheid. De doelstelling van dit Smart Industry Fieldlab is om toepassingen van VR/AR in combinatie met AI binnen een maintenance en service context te industrialiseren door de gezamenlijke krachten, kennis en ervaringen van projectdeelnemers te bundelen, gezamenlijk te analyseren waar de beste kansen liggen en te bepalen hoe het beste kan worden gekomen tot waardevolle industriële toepassingen. Denk bijvoorbeeld aan het ontwikkelen van software om engineers automatisch van antwoorden te voorzien als zij vragen hebben. Hiermee komt de techniek in een stroomversnelling.’

Combinatie

Het combineren van meerdere technieken heeft de toekomst, stelt Seurinck. ‘Sensoren en communicatieprotocollen worden beter en nauwkeuriger, rekenkracht wordt sneller en beter, machine learning wordt betrouwbaarder, vision technologie maakt stappen voorwaarts en AR is de kinderschoenen ontgroeid.’ Dit leidt tot nieuwe mogelijkheden, ook in asset management.

Huber geeft een voorbeeld. ‘Een van onze klanten voerde in het verleden ééns in het kwartaal trillingsmetingen uit aan motoren. Dat gebeurt nu één keer per uur met behulp van slimme sensoren. Voor drives was de frequentie één keer per jaar, terwijl er nu een continue datastroom wordt verzameld in de cloud. Tegenwoordig analyseren we deze data aan de hand van machine learning, anomaliedetectie en statistische tools in combinatie met historische kennis en modellen, waardoor we steeds nauwkeurigere conclusies kunnen trekken. Voor een motor kunnen we nu al aan de hand van data concluderen dat bijvoorbeeld de lager aan de aandrijfzijde binnen afzienbare tijd moet worden vervangen. Koppel je deze informatie aan je longterm en short term KPI ’s, dan kun je hier acties en een onderhoudsstrategie aan koppelen.’

Seurinck vult aan: ‘Bedrijven kunnen besluiten veel beter gefundeerd nemen omdat er met meer factoren rekening kan worden gehouden. De algoritmes kunnen elkaar versterken en corrigeren zodat de diagnose die wordt gesteld veel betrouwbaarder wordt. De tijd van trial and error is definitief voorbij. Kortom, verbeterde technieken leiden tot een exponentieel beter resultaat.’

Systeem grijpt in

We gaan van voorspellend naar oplossend onderhoud. Seurinck geeft een praktijkvoorbeeld: ‘In melkfabrieken is het probleem dat veel pompen te maken hebben met cavitatie. Het proces zorgt voor trillingen waardoor waaiers stuk gaan. Dat proces kunnen we meten in het stroombeeld van onze frequentiesturingen. Voorafgaand bepalen we in samenwerking met de procestechnoloog hoe het systeem hiermee om dient te gaan. Als het systeem cavitatie opmerkt, brengt dit het toerental gedurende een vooraf ingestelde periode naar beneden conform de input van de procestechnoloog. Na die periode van afschaling geeft het systeem het setpunt terug aan het bovenliggende controlesysteem. Zo wordt het systeem ingeregeld om zelfstandig cavitatie op te merken en daar zelf op te acteren. Dit gebeurt automatisch zonder tussenkomst van de procestechnoloog. Er komen steeds meer van dit soort applicaties op de markt. Je bent niet langer met preventief onderhoud bezig, maar ook prescriptief onderhoud.’

‘Data science is een belangrijke additionele competentie geworden.’

Johan Enters, directeur Digital Transformation Emerson Automations Solutions

Johan Enters, directeur Digital Transformation bij Emerson Automations Solutions, ziet ook behoorlijk wat kansen voor digitalisering in de industrie. ‘In het verleden werd de staat of gezondheid van de asset bepaald tijdens periodieke inspecties, maar wil je asset management naar een hoger plan brengen, dan moet je tussen twee inspectieperiodes ook iets over de gezondheid van de assets kunnen zeggen zodat je de juiste onderhoudsbeslissingen kunt nemen. Dit kan onder meer door (real-time) monitoring. Veel bedrijven maken stappen en zijn volop aan het innoveren.’

Open standaard

Steeds meer systemen genereren data. Deze worden – tegenwoordig vaak wireless – overgebracht naar een centraal systeem dat hier hiërarchie en context in aanbrengt en van data informatie maakt. Dit leidt tot het stroomlijnen van processen, het besparen van energie of het slimmer uitvoeren van onderhoud. Om dit mogelijk te maken moet informatie van diverse systemen van verschillende leveranciers aan elkaar kunnen worden gekoppeld. Enters: ‘Wat je merkt is dat een open standaard, zoals Namur Open architecture, nodig is om koppelingen probleemloos te kunnen maken. Er zijn diverse wireless communicatieprotocollen op de markt, maar ik verwacht dat er uiteindelijk één of twee de standaard worden.’

Platform

Wil een bedrijf voorspellende beslissingen kunnen nemen op het gebied van asset management, dan moet de beschikbare data verworden tot informatie. ‘Er zijn hiervoor diverse platforms op de markt, zoals bijvoorbeeld het Emerson Plantweb Optics-platform. Dit verbindt en verzamelt operationele gegevens van productie-, procesbesturings- en IT-systemen. Deze worden in een context geplaatst en met behulp van algoritmes en machine learning omgezet naar bruikbare informatie die volledig beschikbaar is voor de besluitvormer.’

(c) Emerson

Ook augmented reality kan hieraan worden gekoppeld. ‘AR kun je zien als de Google Maps van een fabriek. Op het moment dat je met een AR-bril rondloopt zie je de assets en de procesvariabelen boven de assets, zodat je meteen kunt zien of actie nodig is. Daarnaast leidt een AR-bril je, als je een specifiek onderdeel zoekt, snel naar dit onderdeel. Deze technologie is essentieel om jongere werknemers snel wegwijs te maken in de fabriek.’

Ontzorgen

Het doel is dat digitalisering bijdraagt aan het ontzorgen van de asset owner en werknemers met het bieden van meerwaarde. Enters: ‘Wanneer een apparaat op dit moment afwijkend gedrag vertoont, ontvangt de procesoperator een melding. Waar je heen wil, is dat het apparaat ook meteen de melding en onderliggende informatie naar de maintenance manager stuurt met de daarbij behorende prioriteit. Zodra de maintenance engineer klaar is met het onderhoud, zal de informatie over die specifieke asset automatisch worden bijgewerkt in onder andere het CMMS en ontvangen alle betrokkenen een melding van de status. Wanneer iedereen op diens niveau over de juiste actuele informatie kan beschikken, kun je misverstanden, miscommunicatie en tijdverlies voorkomen. Dit is het summum van digitale innovatie .’

Actie ondernemen

Beslissingsmomenten kun je eveneens ondersteunen met digitale middelen. ‘Op bepaalde assets kun je een AI-gebaseerde tool toepassen die vertelt of je optimaal produceert, of onderdelen slijtage vertonen, of de output klopt met de verwachtingen, of er een mismatch is. Dit kun je niet alleen op procescontroleniveau doen, maar ook op assetmanagementniveau. Een voorbeeld: In realiteit kun je niet in een destillatiekolom kijken, maar met behulp van metingen en analysetools kun je zien of de gegevens die een kolomschotel genereren afwijkingen vertonen. Tegenwoordig kun je met het softwarepakket Automated Root Cause Analysis (eRCA) geautomatiseerd bepalen wat er aan de hand is (symptoom) en wat de afwijking veroorzaakt (root cause). Je kunt meteen actie ondernemen op datgene waarvan het systeem aangeeft dat waarschijnlijk de oorzaak is.’

Operators van de toekomst

‘Data science is een belangrijke additionele competentie geworden’, stelt Enters. ‘Data scientists moeten zorgen dat betrouwbare informatiemodellen worden gebouwd. Ze bepalen echter niet wat er moet gebeuren in de fabriek omdat ze deze kennis niet hebben. Je hebt nog steeds operators en maintenance managers nodig die in de fabriek de juiste handelingen uitvoeren om de beschikbaarheid van de fabriek te garanderen. Dat zal niet zo snel veranderen.’

Wel moet de operator meer kennis hebben over digitale aspecten. ‘Om te laten zien wat mogelijk is, levert ons bedrijf daarom onder meer een bijdrage aan STC Brielle voor hun ‘Plant of the Future’. Deze opleidingsplant wordt volledig uitgerust met smart transmitters. Ze bieden informatie over de toestand van de apparaten zelf. Daarnaast geven ze inzicht in de manier waarop ze invloed hebben op het gehele systeem en de fabriek. De operators en monteurs van de toekomst zien hier wat nu mogelijk is op digitaal gebied en worden hierop opgeleid.’

Industrielinqs pers en platform levert als kennispartner voor de industrie een bijdrage aan een duurzame industrie. Dat doen we het hele jaar door met journalistieke producties en bijeenkomsten, zoals onze magazines Industrielinqs en Petrochem, verschillende nieuwssites, online talkshows, congressen, films en natuurlijk via social media.

Eén maal per jaar maken we de Industrielinqs Catalogus. Dit naslagwerk biedt al jaren een compleet overzicht van honderden leveranciers, opleiders, kennispartners en dienstverleners. Ook voor 2022 is dit complete naslagwerk uw gids voor de industriële delta.

We geven u bovendien een journalistieke blik op de toekomst dankzij een aantal artikelen over in het oog springende industriële trends. U leest onder meer:

  • Op de valreep van 2021 werd duidelijk dat de industrie een nog prominentere rol krijgt in de transitie naar een CO2-emissieloos energiesysteem. Daarmee lijken veel projecten die al in de steigers stonden, nu definitief op hun plaats te vallen. Tel daarbij absurd hoge gas- en CO2-prijzen op en het mag duidelijk zijn dat 2022 een scharnierpunt wordt voor de energietransitie.
  • Het is haast cynisch. De sectoren die tijdens corona-lockdowns als cruciaal worden gezien, kampen het meest met personeelstekorten. Denk aan de zorg, het onderwijs, maar niet te vergeten ook de industrie. Al decennialang klaagt de industrie over een dreigende krapte op de technische arbeidsmarkt. Vaak boden automatisering en efficiëntieslagen de nodige verlichting. Zal dat nu ook voldoende zijn?
  • Voor velen is het niet de vraag of er autonome fabrieken komen, maar meer wanneer. De technische vooruitgang gaat zo snel, dat steeds meer werk uit handen wordt genomen door digitale systemen. Zes trends maken de autonome fabriek mogelijk en het grootste deel is al begonnen.

Dit en meer vindt u in de Industrielinqs Catalogus 2022. Lees nu alvast digitaal!

‘Binnen de procesveiligheid zitten we al jaren tegen een plafond aan. We maken nog steeds voortgang op het gebied van veiligheidsverbetering, maar een grote stap blijft uit. Incidenten die zich voordoen, worden geanalyseerd waaruit lering wordt getrokken. In de praktijk herhalen incidenten zich zelden exact op dezelfde wijze terwijl de complexiteit van de processen vaak toeneemt. Hierdoor kan de opgedane kennis uit eerdere incidenten niet altijd worden ingezet. Een gamechanger is nodig om een grote stap in procesveiligheid te kunnen zetten en de veiligste chemische industrie in West-Europa te worden’, stelt Johan van Middelaar, partner in Brightsite en senior onderzoeker en adviseur Veiligheid bij TNO.

Chemelot streeft ernaar in 2025 de veiligste, meest concurrerende en meest duurzame site van West-Europa te zijn. Programmamanager Esta de Goede van Sitech: ‘Brightsite helpt Chemelot om dit te realiseren. Het is een publiek-private samenwerking tussen Sitech Services, TNO, Maastricht University en Brightlands Chemelot Campus. Onze doelstelling is om te laten zien dat de transitie van de chemische industrie naar klimaatneutraal mogelijk is, waarbij de randvoorwaarden veiligheid en maatschappelijke acceptatie niet mogen ontbreken. In de programmalijn ‘Veiligheid en maatschappelijke acceptatie’ kijken we onder meer naar de inzet van artificial intelligence (AI) om te komen tot een lager aantal incidenten in de procesindustrie. Met AI bedoelen we hier het analyseren van gegevens met behulp van een reeks slimme algoritmen om patronen te vinden.’

Van Middelaar: ‘Incidenten doen zich vaak eenmalig voor, elk incident is uniek. Uit analyses blijkt vrijwel altijd dat – achteraf – patronen te herkennen zijn die hebben geleid tot dat incident. Denk bijvoorbeeld aan eerdere storingen, reparaties, eerdere incidentmeldingen, fouten in de communicatie, niet goed volgen van procedures, herhaaldelijk moeten bijsturen van bepaalde processen, enzovoorts. We willen in ons onderzoek deze patronen niet langer achteraf, maar voorafgaand aan een incident identificeren met behulp van AI en machine learning (ML). Ons doel is om deze patronen – ook wel afwijkingen genoemd – real-time te identificeren om medewerkers zodoende een handelingsperspectief te geven om storingen te herstellen voordat het fout gaat. Zodoende kun je dus incidenten voorkomen.’

‘Toepassing van NLP in process safety in de procesindustrie zijn we vrijwel niet tegengekomen.’

Johan van Middelaar, adviseur Veiligheid bij TNO

Waardevolle informatie

Het Brightsite team kiest hiervoor een voor de procesindustrie vrij onconventionele aanpak. Van Middelaar: ‘We beginnen met toepassing van Natural Language Processing (NLP). Deze techniek is in staat om uit teksten de kernwoorden te herkennen en onderlinge relaties te bepalen. Dit gebeurt door een combinatie van syntactische informatie (zinsconstructie), keyword extractie, webbronnen en semantische embedding methoden. Toepassing van NLP in het domein van process safety in de procesindustrie zijn we nationaal en internationaal vrijwel niet tegengekomen.’

Toch kan het heel waardevol zijn. John van den Hurk van Sitech/AnQore is deel van het team van de programmalijn. Van den Hurk: ‘Na iedere dienst vullen operators een shift report in om de volgende ploeg op de hoogte te stellen van de recente gebeurtenissen en aan te geven waar ze rekening mee moeten houden. Een verzameling van deze verslagen biedt een grote hoeveelheid aan tekstuele data die het computersysteem kan analyseren. Dit leidt tot waardevolle informatie.’

Apps

Om een voorspellend model te kunnen ontwikkelen, is data uit de praktijk nodig. De Goede: ‘Hiervoor zijn we een samenwerking aangegaan met chemiebedrijf AnQore, dat op Chemelot diverse productiefabrieken heeft. AnQore is geïnteresseerd in de toepassing van kunstmatige intelligentie en neemt daarom graag deel aan het project.’

Van den Hurk: ‘Tekstuele data is heel waardevol. Om tekstdata te analyseren zijn we begonnen met het ontwikkelen van een app, de zogenaamde ‘sentimentanalyse’. Woorden hebben daarin een bepaalde positieve waarde (foutloos, voorspoedig, goed) dan wel een negatieve (verstoring, ingewikkeld, lekkage, moeilijk, etc.) connotatie. We hebben een lexicon opgesteld van termen die veel worden gebruikt in de procesindustrie, zoals in de shift reports van AnQore, en hebben aan die woorden een waarde van +5 (positief sentiment) tot -5 (negatief sentiment) toegekend. Het systeem loopt vervolgens de shift reports na en kan op basis daarvan de verslagen als geheel een positieve dan wel negatieve waarde toekennen. Waarom we dit doen? We vroegen ons af of het sentiment en het optreden van incidenten een verband hebben. Onze eerste inzichten leren ons dat dat verband er is. Er zijn diverse gevallen waarbij we voor het incident een lager sentiment waarnemen. Ook kunnen we kijken hoe vaak bepaalde woorden in combinatie worden genoemd. Zo zagen we in een test dat een bepaald nummer van een pomp voor een incident veel vaker werd genoemd. Koppelden we dit aan de sentimentanalyse, dan bleek dat we ook een afnemend sentiment konden constateren voor datzelfde incident. De medewerkers zelf zijn echter vaak niet in staat dergelijke patronen op te merken aangezien ze slechts het verslag van de vorige dienst(en) doornemen en niet alle historie van de voorgaande diensten kunnen onthouden. Met de door ons ontwikkelde apps kunnen we dit wel.’

Toetsen

De theorie klinkt eenvoudig, de realiteit is complexer. De Goede: ‘In het onderzoek zijn we op zoek naar alle vereisten die nodig zijn om tot de voorspellende modellen te komen, van de manier van aanleveren van data, IT-vereisten, hoeveel data nodig is om betrouwbare conclusies te kunnen trekken tot het vertalen van plaatjes. In realiteit zijn er veel variabelen en datasets die een rol spelen waardoor het risico op een incident toeneemt. Dat maakt het geheel complex. Inmiddels hebben we een beter beeld wat we nog verder moeten ontwikkelen en welke stappen we nog moeten zetten. Tegelijkertijd zien we wel steeds duidelijker dat ons einddoel echt mogelijk is.’

Dit einddoel is morgen nog geen realiteit. Van Middelaar: ‘De eerste fase, de descriptieve (beschrijvende) fase, waarbij we aan de hand van historische data terugkijken naar incidenten en patronen zoeken hebben we inmiddels redelijk ingevuld Nu gaan we geleidelijk richting de voorspellende fase waarbij we onze modellen koppelen aan real-time data. Hoe is de situatie vandaag? We willen real-time afwijkingen boven water halen, zodat we veel sneller kunnen ingrijpen als het mis dreigt te gaan en zodoende (grote) incidenten voorkomen. In 2022 richten we ons op het toetsen van het theoretisch model dat we tot nu toe hebben gebouwd, in de praktijk. We willen bewijzen dat het werkt en hoe goed het werkt. Hoeveel incidenten kunnen we vooraf waarnemen en voorkomen? Is dat vijf, tien of vijftig procent? The proof of the pudding is eating it. Daar gaan we komend jaar in samenwerking met AnQore mee aan de slag.’

Jargon

Van den Hurk: ‘We hebben inmiddels twee jaar gewerkt aan het model en steeds meer mensen die we sectorbreed spreken zijn enthousiast en zien het potentieel. Het draagvlak is op managementniveau de afgelopen jaren flink gegroeid. Tegelijkertijd blijft het spannend hoe de medewerkers hierop reageren. Ook hier moeten we een traject in gaan van introductie tot acceptatie en het zien van een meerwaarde in het systeem. Je moet er daarbij ook rekening mee houden dat men mogelijk in het begin andere woorden gaat gebruiken in verslagen om een en ander te manipuleren. De praktijk toont niet alleen de effectiviteit aan, maar geeft ook meer inzicht in hoe het wordt omarmd.’

procesveiligheid

(c) Brightsite

De ultieme stap is te komen tot een voorschrijvend model, waarbij het model niet alleen voorspelt, maar ook advies geeft wat je zou kunnen doen om een afwijking te herstellen of processen (‘gedrag’) weer in goede banen te leiden. Van Middelaar: ‘Zover zijn we nog niet. Heb je het over AI, dan heb je altijd te maken met verwachtingen. Sommigen denken dat er op een bepaald moment een plug-and-play product op de markt te koop is, maar zo eenvoudig is het niet. We schatten bijvoorbeeld in dat een deel van het opgestelde lexicon met betrekking tot procesveiligheid generiek is. Woorden als lekkage, defect, repareren zijn algemeen. Daarnaast is er een typisch jargon dat per fabriek, locatie, proces of per sector kan verschillen. Blijkt het model goed te werken, dan moet je voor iedere nieuwe toepassing vooraf het lexicon voor procesveiligheid op maat maken.’

Perceptie

Naast verwachtingen heb je ook te maken met perceptie. Van Middelaar: ’Veel mensen zijn bang dat AI de beslissingen voor hen gaat nemen en dat de mens buitenspel komt te staan. Zo zal het zeker niet gaan. Wij willen dat AI een hulpmiddel wordt en dat de mens de regie houdt. We willen mensen overtuigen door transparant te laten zien hoe alles werkt met het uitgangspunt dat het een meerwaarde heeft. Maar ook dat kost tijd. Iedere nieuwe technologie heeft tijd nodig om de weg tot de markt te vinden, terwijl brede acceptatie nog langer duurt. Dat geldt ook voor AI, zeker in combinatie met procesveiligheid.’

‘Het is de kunst om je niet te verliezen in de mogelijkheden van datatechnologie.’

Esta de Goede, programmamanager Sitech

Focus

Tegelijkertijd blijken de mogelijkheden eindeloos. De Goede: ‘Uiteindelijk willen we nieuwe chemische processen die er nog niet zijn, maar die bijvoorbeeld nodig zijn voor de klimaattransitie, vooraf al zodanig kunnen inrichten met behulp van deze modellen dat de leercurve zo steil en kort mogelijk is. Daarbij neemt het risico op incidenten af en verbetert de procesveiligheid. Tegelijkertijd zien we continu nieuwe mogelijkheden waar AI een meerwaarde kan hebben. Het was de afgelopen twee jaar dan ook de kunst bij dit project om je niet te verliezen in de mogelijkheden die datatechnologie ons biedt, maar gefocust te blijven op de inhoud en het doel dat wij voor ogen hebben, namelijk het voorspellen van incidenten. Natuurlijk kijken we naar potentiële zij-richtingen, maar we willen ons er niet door laten afleiden. Anders komen we nooit tot een tastbaar resultaat waarmee we kunnen bewijzen wat de waarde is, zeker met zo’n klein team.’

Van den Hurk: ‘Wat ons betreft is qua data the sky the limit. Er is zoveel technische data beschikbaar om te gebruiken, maar al doende moet je bepalen welke data echt relevant is.’

Van Middelaar: ‘Je kan bijvoorbeeld ook data met betrekking tot de opleiding, ervaring of training meenemen in de modellering, of data uit biosensing, zoals stress of werkdruk, wat risicofactoren zijn voor het ontstaan van incidenten. Echter, dit soort data gebruiken we bewust niet aangezien de privacywetgeving het geheel dan nog veel complexer zou maken. Kortom, we behouden onze focus en zetten steeds kleine stappen voorwaarts richting ons einddoel. En dat komt op die manier steeds dichterbij.’

Het zijn veel moderne termen die we kunnen samenvatten onder het containerbegrip digitalisering. Advanced analytics, robotisering, big data, the internet of things, predictive maintenance, virtual en augmented reality overspoelen momenteel de industrie. We staan nog maar aan het begin. Tijdens Maintenance Next in Rotterdam Ahoy leidt Industrielinqs een talkshow over de stand van zaken. Waar gaan we naar toe?

Vijf jaar geleden startte directeur Mark Denys, directeur kwaliteit bij Tata Steel Europe, samen met een collega in IJmuiden een pilotproject op het gebied van data-analyse, ofwel advanced analytics. Inmiddels heeft het programma vele miljoenen euro’s aan met name procesverbeteringen opgeleverd. En er lopen in de staalfabrieken meer dan tweehonderd gespecialiseerde data-analisten rond. Denys onlangs in Industrielinqs Magazine: ‘We zijn op het moment hard op weg naar een volledige digital twin van Tata Steel in IJmuiden.’

Mark Denys (Tata Steel): ‘Inmiddels kunnen we in een minuut alle eigenschappen van al onze producten analyseren.’

Tata Steel produceert in IJmuiden een grote variatie van staalproducten verschillende eigenschappen. Denk aan combinaties van lasbaarheid en buigzaamheid, alles wat de klant maar nodig heeft. ‘Om een goede analyse te maken van één eigenschap van een product, was in het verleden zes weken nodig’, vertelt Denys. ‘In totaal kostte het zes maanden om een verbetering van een product door te voeren. Meteen met de komst van advanced analytics kon die analyse in een paar minuten. En niet alleen voor één eigenschap, maar voor alle eigenschappen tegelijk. Inmiddels kunnen we in een minuut alle eigenschappen van al onze producten analyseren.’

Fieldlab

Sinds een jaar is er ook meer focus op smart maintenance gekomen. ‘Niet eerder helaas, hoewel juist op het vlak van slim onderhoud wel veel is gepubliceerd. Bij Tata Steel zagen we echter veel aantrekkelijkere businesscases op andere vlakken.’ Dat heeft volgens Denys te maken met schaalbaarheid. Om één pomp, klep of afsluiter te voorzien van een eigen intelligentie heeft weinig impact op de schaal van de staalindustrie. ‘Voor Tata Steel moeten we op zoek naar een algemener platform van algoritmes waarmee we in een keer een grote klap kunnen maken. Minder op het niveau van installatie-onderdelen, maar meer gericht op hele fabrieken.’

Meer focus op onderhoud valt ook samen met de start van het Fieldlab Smart Maintenance in IJmuiden, een initiatief van Techport, waar Denys voorzitter van is. Het fieldlab, dat nu anderhalf jaar loopt, heeft tot doel “om het onderhoud honderd procent voorspelbaar te maken en het productieproces zo in te richten dat er tegen zo laag mogelijke kosten en zo min mogelijk energieverbruik zo veel als mogelijk wordt geproduceerd.”

sitech

Met meer dan tachtig sensoren op elf assets is het Nickel van de Mortel (links), Sebastiaan Guzik en hun team bij Sitech gelukt om het falen van assets in de fabriek voorspellen. Foto: Sitech Services

Nog onvolwassen

In de chemische industrie zijn er juist wel meer mogelijkheid, omdat er veel soortgelijke pompen, kleppen en afsluiters zijn. Op Chemelot bijvoorbeeld, waar Sitech al langer bezig is met het verzamelen van gegevens over de staat van installaties. Een interessant recent project voerde de dienstverlener uit in de kunstmestfabriek van OCI Nitrogen.

Met meer dan tachtig sensoren op elf assets is het Sebastiaan Guzik, Nickel van de Mortel en hun team bij Sitech gelukt om het falen van assets in de fabriek voorspellen. ‘Voldoende sensordata en een gedegen data-analyse zijn daarbij nodig’, stelde Van de Mortel eerder dit jaar . ‘We zijn tegen enkele problemen aangelopen bij het verkrijgen van de sensoren. Het viel ons op dat de hele Industrial IoT-markt nog best wel onvolwassen is. Veel sensoren voldeden bijvoorbeeld niet aan de vraag van de klant of aan de specificaties van de fabrikant. Het viel met name op dat er standaardsensoren beschikbaar waren. Het bleek moeilijker te zijn om sensoren met een ietwat afwijkend karakter te krijgen die nodig waren voor de unieke machines. Uiteindelijk zijn enkele sensoren gevonden die goed genoeg functioneerden. Maar het ging niet zonder slag of stoot. Sommige fabrikanten hadden problemen met de levertijden. Anderen hadden wel sensoren, maar nog geen certificaat om op het KPN-netwerk te mogen zenden. Door de onvolwassenheid in de markt liepen wij vertraging op.’

Productiestilstand

Toch is het Sitech gelukt om alles aan de praat te krijgen. ‘Nu is het allemaal voldoende betrouwbaar’, zegt Van de Mortel. ‘In de modellen die we eerst hadden gemaakt hadden we de data van elke sensor nodig. Achteraf gezien realiseerden we ons dat dat niet per se nodig was voor het voorspellend vermogen. Het bleek ook voldoende te zijn om een paar sensoren niet mee te nemen als deze tijdelijk offline zijn.’

Succes bleef niet uit. ‘In 3,5 maand hebben we vier succescases gehad waarbij we in totaal zestien uur aan productie­stilstand hebben bespaard. Twee daarvan zagen we na afloop bij de interpretatie van de data. Dat kwam omdat nog niet alles was geoptimaliseerd. Maar de potentie is er wel. De twee anderen zagen we wel op tijd. We konden de plant bijvoorbeeld op tijd waarschuwen dat een transportband uit het midden begon te lopen. In het verleden liep de transportband wel eens te ver uit het midden waardoor hij de constructie raakte. Dan valt de hele band stil en heb je productieverlies.’

Talkshow tijdens Maintenance Next

In opdracht van de beursorganisatie leidt Industrielinqs tijdens Maintenance Next 2022 drie talkshows. Op 25 januari is het thema Smart Solutions. Hoofdredacteur Wim Raaijen praat dan met Mark Denys (Tata Steel), Nickel van de Mortel, Marinus Tabak (RWE), Staf Seurinck (ABB) en Erik Bijlsma (TNO) over de stand van zaken en de toekomst van digitalisering. Kijk voor het volledige programma op www.maintenancenext.nl

Eerder dit jaar vertelden Sebastiaan Guzik en Nickel van de Mortel van Sitech in een artikel aan Industrielinqs dat het best wel wat voeten in de aarde had om met draadloze sensoren assets te monitoren. Wat kan er nu al met draadloze sensoren, wat zijn de ontwikkelingen en moeilijkheden?

Het hele artikel vind je in onze digitale Projecten Special 2021!

Vijf jaar geleden startte Mark Denys bij Tata Steel IJmuiden samen met een collega een pilot project op het gebied van data-analyse, oftewel advanced analytics. Inmiddels heeft het programma vele miljoenen euro’s aan met name procesverbeteringen opgeleverd. En er lopen in de staalfabrieken meer dan tweehonderd gespecialiseerde data-analisten rond. ‘We zijn op het moment hard op weg naar een volledige digital twin van Tata Steel in IJmuiden.’

Praat met Mark Denys, directeur kwaliteit bij Tata Steel Europe, over digitalisering van de industrie en je krijgt een zee aan interessante mogelijkheden. Want er kan zo veel meer sinds computers steeds meer geheugen krijgen en processoren veel goedkoper en sneller worden bovendien. Vergeet ook niet de groeiende mogelijkheden van internet. En wat te denken van de opkomst van cloud-computers. Denys: ‘Alleen al internet is 100.000 keer sneller dan dertig jaar geleden en chips 10.000 keer goedkoper.’

Digitalisering heeft de laatste jaren door de haast onbegrensde mogelijkheden een heel andere dimensie gekregen. Denys: ‘Automatiseren en digitaliseren doen we natuurlijk al veel langer. In 1961 waren we een van de eerste bedrijven in Nederland met een computer. Die gebruikten we toentertijd voor onze productieplanning. Inmiddels is de procesbesturing van onze fabrieken verregaand geautomatiseerd. Wat is dan nieuw, zou je kunnen vragen. Maar we gaan nu met de enorme mogelijkheden echt een heel andere fase in.’

‘We zijn op het moment hard op weg naar een volledige digital twin van Tata Steel in IJmuiden.’

Mark Denys, directeur kwaliteit Tata Steel Europe

Digital twin

De productie van plaatstaal bij Tata is daarvan een voorbeeld. Om van het staal dat als dikke plakken uit de gieterij komt, dunne platen te maken zijn tal van productiestappen nodig. Meerdere malen gaat het staal door walsen heen en ondergaat het andere bewerkingen, zoals coaten. Denys: ‘De volledige route van plakken naar dunne platen duurt al gauw zes weken. Per seconde kan er iets fout gaan, wat de kwaliteit van het staal kan beïnvloeden.’ Dat maakte het ondoenlijk om het proces continu te bewaken. ‘Voorheen ontdekten we het vaak pas weken later als er een verstoring was geweest die een afwijkend oppervlak veroorzaakte in het eindproduct.’

Tata Steel produceert in IJmuiden een grote variatie aan staalproducten met verschillende eigenschappen. Denk aan combinaties van lasbaarheid en buigzaamheid; wat de klant maar nodig heeft. ‘Om een goede analyse te maken van één eigenschap van een product, hadden we in het verleden zes weken nodig’, vertelt Denys. ‘In totaal kostte het zes maanden om een verbetering van een product door te voeren. Met de komst van advanced analytics kon die analyse in een paar minuten. En niet alleen voor één eigenschap, maar voor alle eigenschappen tegelijk. Inmiddels kunnen we in een minuut alle eigenschappen van al onze producten analyseren. We zijn op het moment hard op weg naar een volledige digital twin van Tata Steel in IJmuiden.’

Dialoog

De voorheen tijdrovende data-analyse is daardoor niet meer de zwakste schakel bij productverbetering, stelt hij. ‘De bottleneck is nu de snelheid waarmee we veranderingen in de fabriek kunnen doorvoeren. Dat blijft mensenwerk. En daarbij gaat het niet om de acceptatie van de nieuwe inzichten. Het “not invented here syndrome” leeft hier echt niet. Te meer omdat onze technologen in de fabriek zelf bij de totstandkoming van de data-analyse betrokken zijn.’

Het is niet zo dat computers met panklare oplossingen komen. Het is een interactief proces waarbij mensen de resultaten interpreteren. ‘Het is ook mensenwerk om complexe algoritmes te vereenvoudigen. Zeg maar, van honderden variabelen terug naar tien. Die simpele algoritmes worden dan in de software voor procesbesturing of productie scheduling opgenomen.’ Vaak werken de eenvoudigste modellen het best. ‘Laatst hadden we een verbluffend simpel algoritme gevonden. Haast te mooi om waar te zijn, maar het werkte.’

Inmiddels lopen er meer dan tweehonderd data-analisten rond bij Tata Steel in IJmuiden en een nog grotere groep heeft kennisgemaakt met de basisbegrippen. ‘Zelfs mensen uit het senior management hebben een awareness-cursus gevolgd, waaronder de CEO van Tata Steel Europe. Ook om te onderstrepen dat de mens een doorslaggevende factor blijft.’ Doordat een grote groep medewerkers op verschillende niveaus begrijpt hoe bijvoorbeeld algoritmes werken, blijft daar een dialoog over mogelijk en kunnen veel mensen meedenken over mogelijke verbeteringen.

Minder spannend

Sinds 2016 heeft Tata met dat doel een grote schare mensen opgeleid. Zelf. ‘We hebben inderdaad bijna alle data scientists binnen de Tata Steel Academy opgeleid. Het is namelijk ondoenlijk om data-analisten te vinden die verstand hebben van metallurgie. Het is veel gemakkelijker om metallurgen kennis bij te brengen op het gebied van data-analyse!’ Het geeft ook meteen aan dat technische expertise van doorslaggevend belang is om de juiste analyses te maken en vereenvoudigde modellen op te stellen.

Dat is ook een groepsproces. De analyse van de data en het bedenken van verbeteringen gebeurt in groepen met verschillende rollen. ‘We willen op een agile manier van elkaar leren. Door continue dialoog en discussie ontstaat kennis. Ons inzicht wordt vergroot als we samen op zoek gaan naar verklaringen. Echt, de menselijke factor blijft extreem belangrijk. Helemaal in de complexe omgeving van fabrieken. Misschien dat data-analyse bij een verzekeraar of online winkelbedrijf minder spannend is.’

Piepje

Denys is trots op wat er allemaal al is bereikt. Zo heeft advanced analytics Tata Steel in IJmuiden al vele miljoenen aan besparingen opgeleverd. Uiteraard was dat niet kosteloos. ‘Vanaf het begin was de doelstelling dat de opbrengsten binnen één jaar minstens het dubbele waren van de kosten. Dat is ons ruimschoots gelukt.’

Door de intensieve inzet van data-analyse kon het bedrijf efficiëntieslagen maken op het gebied van energie en grondstoffen. En daardoor kon het ook emissies reduceren. ‘We gebruiken enorme hoeveelheden grondstoffen. Daardoor kan een kleine verbetering veel impact hebben.’ Ook op het vlak van kwaliteit, de huidige verantwoordelijkheid van Denys, werden meerdere stappen gezet.

Hij heeft ook nog wel wat concrete wensen. Bijvoorbeeld op het gebied van slimme sensoren. ‘We kunnen weer een enorme stap maken als we voor minder dan tien euro een sensor eigen intelligentie kunnen geven. Die kunnen dan zelf constateren dat er een verstoring optreedt en bijvoorbeeld een piepje geven. Zodat ook direct kan worden ingegrepen.’

‘Het is ondoenlijk om data-analisten te vinden die verstand hebben van metallurgie.’

Mark Denys, directeur kwaliteit Tata Steel Europe

Fieldlab

Sinds een jaar is er ook meer focus op smart maintenance gekomen. ‘Niet eerder helaas, hoewel juist op het vlak van slim onderhoud wel veel is gepubliceerd. Bij Tata Steel zagen we echter veel aantrekkelijkere business cases op andere vlakken.’ Dat heeft volgens Denys te maken met schaalbaarheid. Eén pomp, klep of afsluiter voorzien van een eigen intelligentie heeft weinig impact op de schaal van de staalindustrie. ‘Voor Tata Steel moeten we op zoek naar een algemener platform van algoritmes waarmee we in een keer een grote klap kunnen maken. Minder op het niveau van installatie-onderdelen, maar meer gericht op hele fabrieken.’

Meer focus op onderhoud valt ook samen met de start van het Fieldlab Smart Maintenance in IJmuiden, een initiatief van Techport. Het fieldlab, dat nu 1,5 jaar loopt, heeft tot doel “om het onderhoud 100 procent voorspelbaar te maken en het productieproces zo in te richten dat er tegen zo laag mogelijke kosten en zo min mogelijk energieverbruik zo veel als mogelijk wordt geproduceerd.”

Techport, met Denys als voorzitter, is een netwerk van meer dan zestig scholen, bedrijven en overheden in de metropoolregio Amsterdam met de IJmond als kern. De partners werken samen aan een gezonde arbeidsmarkt, een actueel en uitdagend opleidingsaanbod en aan voldoende talent. Uiteindelijk draait het binnen dit netwerk ook weer om de combinatie tussen mens en techniek.

iPad

Juist de brug slaan tussen industrie en onderwijs lijkt belangrijker dan ooit. Denys kent de veelgehoorde kritiek dat het onderwijs met zijn aanbod vaak niet aansluit op wat de industrie in de toekomst nodig heeft. Hij weigert echter mee te huilen met de wolven. ‘Wij weten ook niet precies welke kant het op gaat en wat er over tien jaar nodig is. Ontwikkelingen kunnen heel snel gaan. Neem bijvoorbeeld een iPad, die bestaat ook nog geen tien jaar! De oplossing ligt in een betere samenwerking tussen bedrijven en het onderwijs. Met ons Techport-netwerk zetten we hier sterk op in.’

iMaintain Techport

Mark Denys is een van de gasten tijdens iMaintain Techport op donderdag 7 oktober bij Tata Steel in Velsen. Als alle seinen op groen staan, is het evenement zowel fysiek als online te volgen. Thema is Smart Transition. Op het podium onder anderen ook: Marinus Tabak (RWE), Mark Haarman (Mainnovation), Olof van der Gaag (NVDE) en Daisy Beelen (Nova College). Inschrijven kan via www.imaintain.info.

Hoewel kunstmatige intelligentie op sommige vlakken de mens al verslaat, is het voor veel chemische bedrijven niet het einddoel. Zo werkt BASF Antwerpen liever samen met de operationele en informatietechnologie. Dat wil niet zeggen dat autonomie in de verre toekomst niet mogelijk is. Maar dat kan wel morele dilemma’s opleveren rondom risico’s en regelgeving. 

Er zijn genoeg argumenten te bedenken die pleiten voor autonome fabrieken. Technisch en operationeel personeel wordt steeds schaarser, terwijl kennis en ervaring verloren dreigen te gaan als werknemers met pensioen gaan. Tegelijkertijd zorgt de energie- en grondstoffentransitie ervoor dat de complexiteit van zowel processen als ketens toeneemt. Een complexiteit die slimme algoritmes wellicht sneller kunnen doorgronden.

De vraag is alleen of kunstmatige intelligentie de leercurve kan doorlopen die het nodig heeft om op het niveau te komen van een menselijke operator. Sommige sectoren lenen zich daar beter voor dan andere. En in die rangorde zou de chemische industrie wel eens aan de lage kant kunnen zitten. Dat wil echter niet zeggen dat men stilstaat.

Semiautonome processen

Jan Bollen is programma manager Antwerpen 4.0 bij BASF. Bollen kreeg de opdracht de wereldwijde digitaliseringsstrategie van de BASF-groep te vertalen naar de Verbundsite in Antwerpen. ‘De specifieke producten en processen van deze site bepalen uiteindelijk de focus van de automatiserings- en digitaliseringsstrategie’, zegt Bollen. ‘De meeste plants op de Antwerpse site zijn world-scale plants aan het begin van de polymeerketen. Voor deze processen is een hoge beschikbaarheid en betrouwbaarheid van de fabrieken prioritair en dit bepaalt de keuzes in de automatisering en digitaliseringstrategie. Met een benuttingsgraad van meer dan 95 procent lukt dat goed. Uiteraard streven we tegelijkertijd naar een zo hoog mogelijke opbrengst en efficiënt gebruik van grondstoffen en energie.’

Autonome processen staan in die strategie wel degelijk benoemd, maar dat wil niet zeggen dat het bedrijf een autonoom opererende site als ideaalbeeld ziet. Bollen: ‘We begonnen de digitale transitie met een maturiteitsoverzicht van onze processen en daarmee samenhangende activiteiten. Daaruit bleek dat onze procescontrolesystemen reeds op een hoog niveau staan. Zo kan onze stoomkraker onder standaard procescondities al min of meer autonoom produceren. Dankzij advanced process control berekent het systeem voortdurend de ideale procescondities om zoveel mogelijk te produceren tegen de laagste kosten. Ook standaard afwijkende procedures, zoals een opstart of bijvoorbeeld een productwisseling, zullen in de toekomst meer en meer autonoom kunnen worden uitgevoerd.

Natuurlijk kunnen de procesomstandigheden nog altijd wisselen, vooral op een complexe, geïntegreerde site als de onze. Daardoor blijft de kennis en ervaring van de operator nodig om het proces te bewaken en waar nodig bij te sturen en onnodige uitval te vermijden.’

Jan Bollen (BASF): ‘De samenwerking tussen de datalagen wordt steeds belangrijker om sturing te kunnen geven aan de processen.’

Informatietechnologie

Bollen snapt wel dat bijvoorbeeld de offshore upstream markt streeft naar autonome systemen. ‘Naast dat de behoefte aan remote operations in dat soort omgevingen groter is, hebben zij vaak ook een ander operating-model waarbij de installatie tijdens een autonome run onaangeroerd blijft. Dit is in onze chemische bedrijven anders. Terwijl de installaties draaien, voeren we onderhoudswerkzaamheden uit, werken we aan montage- en invlechtingswerken voor installatiewijzigingen en -uitbreidingen en testen we diverse optimalisaties.’

Juist op dat laatstgenoemde aspect ziet Bollen dat er nog veel efficiencywinst te halen is. ‘Waar de focus bij optimalisatie de afgelopen jaren vooral op de operationele technologie lag (OT, red.), zien we nu grote kansen aan de digitale kant waarbij het gebruik van data een cruciale rol speelt. De data die we dagelijks verzamelen, willen we systematisch meer inzetten in de besluitvorming. De menselijke intuïtie maakt langzaam plaats voor data driven decision making (DDD, red.). Algoritmes kunnen trends in die data analyseren en zo anomalieën in de productie of producten detecteren en herleiden tot de oorzaak. Maar DDD kan bijvoorbeeld ook predictief of prescriptief onderhoud mogelijk maken.’

Een data analytics expert team is nu continu bezig met dataverzameling, -polishing en -analyse. ‘Digitale data vinden we ook terug in de digital twins, in de vorm van smart P&IDs of smart 3D-modellen van de installatie. Deze smart tools worden niet enkel gebruikt bij engineering, maar worden geïntegreerd in de werkprocessen binnen operations. Daarmee kunnen we ook eenvoudiger installaties isoleren voor onderhoudswerkzaamheden.’

Datacollectie

Wat de procesdata betreft ziet Bollen geen grote blinde vlekken, maar de 4.0-technologie maakt het wel mogelijk om meer data uit de periferie te verzamelen. ‘Onze treinsporen bevatten nog vele manuele wissels waarbij de positie van de wissel niet online gemeten wordt. Dit zorgt wel eens voor onnodige verstoringen. Als je een kosten-baten analyse doet, dan heeft het geen zin kilometers kabel in te graven om de positie van de wissels te monitoren. Maar dankzij de draadloze technologie hoeft dat ook niet meer.’

Ook fysieke visuele inspecties lijken dankzij drones en robots verleden tijd. ‘Met name inspecties in besloten ruimtes vormen een risico dat we liever niet meer nemen. Op den duur zouden we ook minder risicovolle inspecties of bijvoorbeeld de controlerondjes van de operators kunnen vervangen door smart sensors.’

tekst gaat verder onder de afbeelding

(c) BASF

De versmelting van OT en IT kan volgens Bollen veel efficiencywinst opleveren. ‘Daarmee wordt de architectuur wel complexer. Waar vroeger de besturingslagen min of meer gescheiden waren, zijn ze inmiddels meer gekoppeld. De samenwerking tussen de datalagen wordt echter steeds belangrijker om echt sturing te kunnen geven aan de processen en adviesstrategieën te ontwikkelen. Cloud-technologie kan hiervoor een oplossing bieden. Wat uiteindelijk weer een stap kan zijn naar Antwerpen 4.0.’

Leerruimte

Patrick Kools, Business Leader Digital Enterprise Solutions Europe bij Yokogawa, vindt het zeker de moeite waard om vanuit het perspectief van autonomie continu naar fabrieken te kijken en de vraag te stellen: Welke volgende stap is mogelijk? Kools: ‘Vergaande automatisering is eerder een economisch en sociaal vraagstuk dan een technische vraag. Hoeveel hebben bedrijven ervoor over om een fabriek volledig autonoom te laten produceren en in hoeverre zijn we als maatschappij bereid de daarbij gaande risico’s te accepteren?

Patrick Kools (Yokogawa): ‘Wanneer controllers decentraal beslissingen kunnen nemen, kunnen ze veel sneller bijsturen of ingrijpen.’

Kools noemt voorbeelden waar kunstmatige intelligentie de mens al verslaat. ‘Datawetenschappers van MIT trainden intelligente modellen die borstkanker inmiddels sneller opsporen dan oncologen. Nu is het de vraag in hoeverre de artsen het aandurven om de technologie daadwerkelijk in te zetten. Ook Google zag dat de AI (artificial intelligence, red.) de mens kan verslaan. Toen het bedrijf een wifinetwerk wilde opzetten met door kunstmatige intelligente aangestuurde ballonnen, ontwikkelde het systeem een patroon dat men nooit had verwacht. Het bleek dat het systeem de ballonnen op de wind liet kruisen zodat ze veel minder energie nodig hadden.’

Wat betreft de zelfrijdende auto blijkt de AI nog niet superieur aan de mens, maar dat lijkt vooral aan het feit te liggen dat er ook nog ‘gewone’ bestuurders op de weg rijden. Kools: ‘Misschien nog wel de grootste uitdaging voor de zelfrijdende auto van Tesla is het feit dat het systeem ruimte nodig heeft om fouten te maken. In menselijk perspectief staat het begrip van een Tesla gelijk aan een vierjarige. Pas als die een stuk weg krijgt aangewezen waar hij fouten mag maken, kan het systeem ze analyseren en er van leren. Durven we het aan zo’n systeem volwassen te laten worden?’

Als je vergelijkbare technologie in de industriële omgeving wil introduceren, zal je dezelfde dilemma’s moeten adresseren. ‘Je kunt een AI-systeem een operator safety case in een close loop controller laten oplossen. De kans is groot dat hij een heel andere weg bewandelt dan we gewend zijn. De kans is overigens ook groot dat zijn strategie misschien wel beter is. Maar ook hier geldt: kan je zo’n systeem op een veilige manier de ruimte geven om te leren van zijn fouten?’

Cobots

De kansen die kunstmatige intelligentie biedt zijn te groot om zomaar overheen te stappen. Kools: ‘Veel bedrijven lopen tegen de grenzen aan van energie- en grondstoffenefficiëntie. Met de transitie naar duurzame energie en grondstoffen neemt de complexiteit alleen maar toe. Mensen kunnen nu eenmaal niet dertig variabelen weloverwogen naar hun waarde inschatten. Dat kan een algoritme veel beter. De vraag is natuurlijk of je zo’n systeem alle controle in handen wil geven, maar net als je robots hebt die samenwerken met mensen (cobots, red.), kan ook een AI-systeem een operator ondersteunen in diens taken.’

Dat wil overigens niet zeggen dat die centrale systemen de gehele fabriek controleren. ‘Eerlijk gezegd denk ik eerder dat de trend richting decentralisatie gaat’, zegt Kools. ‘Net als het menselijk lichaam veel processen autonoom aanstuurt, zo zou een decentraal systeem de veiligheid vergroten van een fabriek. Je hebt de hersenen niet nodig om hitte te voelen en je hand terug te trekken. Wanneer controllers decentraal beslissingen kunnen nemen, kunnen ze veel sneller bijsturen of ingrijpen.’

Toekomst

Johan Enters, directeur Digital Transformation bij Emerson Automations Solutions, ziet dat de chemische industrie op dit moment nog niet klaar is voor autonome plants. ‘Dat neemt niet weg dat bedrijven wel degelijk data gedreven oplossingen zoeken voor meer autonomie, productieoptimalisatie, verhoogde veiligheid, continue kostenbesparing, energiemanagement en de braindrain die de vergrijzing met zich meebrengt.’

Enters ziet dat veel bedrijven versnellen in de ontsluiting van hun data. Het juiste gebruik daarvan levert al direct een voordeel op. ‘Vergeet niet dat procesbesturing steeds autonomer is geworden en operators ondersteunt bij hun besluitvorming. Waar een systeem voorheen alle foutmeldingen direct aan een operator communiceerde, brengen moderne DCS-systemen hier hiërarchie in. Om een volgende stap te maken, hebben bedrijven nu de behoefte om meer informatie uit de beschikbare data te halen om hun processen te stroomlijnen, energie te besparen of bijvoorbeeld om slimmer onderhoud te kunnen uitvoeren. Enige uitdaging is dat de data uit al die verschillende besturingslagen redelijk heterogeen is. Nu bieden we een oplossing in de vorm van een zogenaamd ‘Data Lake’, een centrale laag die alle gestructureerde en ongestructureerde data real-time verzamelt voor de hogere beslislagen. Dit maakt het mogelijk dat de financiële afdeling beter beslissingen kan maken doordat financiële data gekoppeld wordt met bijvoorbeeld OT-data, terwijl het maintenance management systeem wellicht dezelfde data nodig heeft om gewogen en voorspellende beslissingen te kunnen nemen op het gebied van het al dan niet vervangen van assets.’

Om de industrie te tonen hoe veel nu al mogelijk is, levert Emerson een bijdrage bij STC Brielle voor hun Plant of the Future. ‘De opleidingsplant wordt volledig uitgerust met smart transmitters die meer informatie geven over de status van de apparaten zelf, maar ook over de invloed ervan op het gehele systeem en de plant. STC leidt hier de operators van de toekomst op, en wat is er dan mooier om die te laten zien hoe meer inzicht leidt tot meer concurrentiekracht.’

Verregaande digitalisering, remote control en meer autonomie van fabrieken kunnen de veiligheid, efficiëntie, flexibiliteit en verduurzaming enorm verbeteren. Maar zoals bij zoveel innovatieve technologieën leveren ze ook nieuwe uitdagingen op. Op het vlak van cybersecurity bijvoorbeeld. Hoe houd je ongewenste bezoekers of cyberaanvallen buiten de deur als er steeds meer ingangen mogelijk zijn?

We spraken er in Industrielinqs LIVE over met Marinus Tabak (RWE), Marcel Jutte (Hudson Cybertec) en Carlo Totté (Emerson). Bij Kiwa in Apeldoorn. Kijk de aflevering nu terug.

(advertorial)

Na aankomst van ruwe olie op de Bayernoil-locatie Vohburg moet, voordat de olie verder kan worden verwerkt, eerst het water uit de emulsie worden verwijderd. Dit wordt gedaan met een elektrostatische ontzilter. Sensoren van de serie VEGAFLEX leveren nu nauwkeurige waarden, met als gevolg dat de scheiding van de water- en olielaag effectief verloopt.

Het scheiden van het water van de ruwe olie is een continu proces. Om diverse redenen is het daarom belangrijk te weten waar de scheidings­laag tussen water en olie in de ontzilter loopt. Aan de ene kant moet het hoogspanningsrooster in de oliefase liggen, omdat dit alleen bij niet-geleidende media functioneert. Maar er mag ook niet te veel water naar beneden worden afgetapt. Afgezien daarvan zou het zuiveringsproces voor het dan met olie verontreinigde water duurder worden. Maar aan de andere kant moet de tank optimaal worden benut en het scheidingsproces effectief verlopen.

In de ontzilter bevinden zich hoogspanningsroosters, die het scheidingsproces van de fasen sneller doen verlopen. Daarbij slaat het zouthoudende water op de bodem neer, wordt naar beneden afgetapt en aan de desbetreffende zuiveringsinstallaties toegevoerd. Dit vindt plaats bij een verhoogde temperatuur van ongeveer 130 graden Celsius, om de viscositeit van de ruwe olie te verlagen. De ontzilte ruwe olie wordt vervolgens in de richting van de destillatiekolom gepompt.

Schommelende soortelijke massa’s de baas zijn

Vanuit het oogpunt van de scheidingslaagmeting bestaat hier een aantal uitdagingen: de samenstelling en daarmee ook de DC-waarde en de soortelijke massa van het ruwe-olie-watermengsel zijn variabel, afhankelijk van de herkomst van de olie. Zo schommelt de soortelijke massa bijvoorbeeld tussen 820 en 940 kilogram per kubieke meter. Daarmee varieerde ook de looptijd bij de tot nu toe gebruikte meetmethoden.

Tot nu toe werd hier gebruik gemaakt van een niveaumeting die werkt volgens het verdringerprincipe. Maar naast de schommelende soortelijke massa waren ook trillingen en turbulentie van invloed op de nauwkeurigheid van de meting. Desondanks was deze meting daar vele jaren in gebruik, omdat er simpelweg geen alternatief was. Een klassieke scheidings­laagmeting leverde gewoon niet de vereiste nauwkeurigheid. Een TDR-referentiesensor van een andere fabrikant werkte niet naar tevredenheid, omdat het compensatiebereik niet groot genoeg was. Een ander meetprincipe, dat zelfs drie sondes gebruikte, bleek in het dagelijks gebruik te complex te zijn en moeilijk te kalibreren.

Gewaardeerd partner op twee locaties

De firma VEGA uit het Duitse Schiltach is specialist op het gebied van innovatieve meettechniek. Deze onderneming uit het Zwarte Woud richt zich met name op druk- en niveaumeettechniek. VEGA’s handelsmerk is enerzijds een eenvoudige bediening en anderzijds een maximum aan veiligheid en betrouwbaarheid. Sinds 2013 is VEGA met een groot aantal druk- en niveausensoren op de Bayernoil-locaties Vohburg en Neustadt aanwezig.

Op de locatie Vohburg is inmiddels een aantal VEGA-sensoren in gebruik, onder andere veel druksensoren van de series VEGABAR en VEGADIF. Bijzonder overtuigend was ook de VEGASWING 66, een universeel inzetbare vibratieschakelaar. Deze wordt met name vanwege zijn zeer grote procestemperatuur- en procesdrukbereik in de veeleisende raffinageprocessen op waarde geschat.

Voor het probleem van de meting in de ontzilter ontwikkelden Bayernoil en VEGA samen een oplossing. Parallel aan de aanwezige verdringeroplossing is twee jaar geleden een meetinstrument met geleide radar geïnstalleerd, een VEGAFLEX 86 met referentieafstand. Daarmee moest met name bij schommelende DC-waarden van de ruwe olie de scheidingslaag tussen olie en water zo nauwkeurig mogelijk worden gemeten, zodat het mogelijk was nog dichter bij de grenzen te komen.

Trotseert trillingen en mechanische schokken

Bij de ontwikkeling van de sensoren van de serie VEGAFLEX 80 stonden toentertijd naast een eenvoudige instrumentkeuze en de geleide inbedrijfstelling betrouwbaarheid en meetzekerheid centraal. Grootste voordeel van de sensor: hij levert onafhankelijk van de mediumeigenschappen, zoals de dichtheid of de diëlektrische constante, exacte waarden. Bovendien onderscheidt de sensor zich door een robuuste mechanische constructie en een tweede procesafdichting. Hij is inzetbaar bij temperaturen van -196 tot +450 graden Celsius en drukken van -1 tot +400 bar.

Bij de scheidingslaagmeting met geleide radar worden de radarimpulsen langs een kabelsensor of staafelektrode geleid en door het productoppervlak weerkaatst. De meetsonde van de TDR-sensor zorgt ervoor dat het signaal ongestoord het product bereikt. De serie bestaat uit vier instrumentreeksen, die telkens op de toepassing zijn afgestemd. Voor hoge temperaturen en hogedruktoepassingen, bijvoorbeeld in destillatiekolommen of bij de verwerking van ruwe olie, wordt vaak de VEGAFLEX 86 gebruikt. Deze beschikt over een keramische isolatie en een grafietafdichting in de koppeling. Deze kunnen het binnendringen van stoom met een druk van maximaal 400 bar voorkomen en zijn bestand tegen een temperatuur van 450 graden Celsius. Ook de afstandshouders in de coaxiaalsonde zijn van keramiek en mechanisch voldoende stabiel om trillingen en schokken te kunnen doorstaan.

Ook voor aan verandering onderhevige diëlektrische constanten is bij deze sensor een goede oplossing ontwikkeld. Deze sonde  oorspronkelijk ontworpen voor de compensatie van de signaallooptijd in de stoomatmosfeer in stoomketels. Nu moest uit een test blijken of dit ook in de ruwe olie van een ontzilter werkte. De innovatieve stoomcompensatie zorgt immers voor een hogere meetnauwkeurigheid. De in Vohburg toegepaste VEGAFLEX 86 gebruikt een referentieafstand van 750 milimeter en heeft een staaflengte van 3950 milimeter. De referentieafstand voor het compenseren van afwijkingen is overigens de langste op de markt. Hoe langer deze afstand is, des te nauwkeuriger ook de meting.

Eenvoudige inbedrijfstelling

Om de gevoeligheid van de sensor te verbeteren, is bij de ontwikkeling van de sensor een bijzondere signaalverwerking geïmplementeerd. Basis is een al bij de inbedrijfstelling aanwezige stoorsignaalonderdrukking. De sensor trekt deze stoorsignaalonderdrukking af van de daadwerkelijk zichtbare echocurve. Het resultaat is een rechte echolijn. De niveau-echo is daarmee de enige echo in het meetbereik. Dankzij deze methode kunnen media met zeer kleine reflectiviteit (diëlektrische constante) betrouwbaar worden gedetecteerd.

Toen was het wachten op de praktijktest, altijd een spannende aangelegenheid. Maar deze verliep allesbehalve spectaculair. De inbedrijfstelling was eenvoudig – de toepassing is als ‘normale’ niveaumeting geconfigureerd. Er waren dan ook geen speciale instellingen nodig om een betrouwbare meting met voldoende meetzekerheid te waarborgen.

Testrun met positief resultaat

Al gauw bleek dat zelfs bij ruwe olie van wisselende kwaliteit de voordelen van de zelfcompenserende VEGA­FLEX-meting een positief effect hadden op de meetnauwkeurigheid. Voor de zekerheid is de meting op basis van het verdringerprincipe gehandhaafd, zodat de meetwaarden met elkaar konden worden vergeleken. De testrun verliep anderhalf jaar lang ronduit positief – er was in die hele periode geen enkele uitval. Na deze succesvolle testrun is verleden jaar nog een ontzilter met een VEGAFLEX 86 met referentieafstand in gebruik genomen. Bij de echocurve zijn eveneens geen opvallende zaken vastgesteld. Met andere woorden: ook op dit meetpunt raakt de VEGAFLEX 86 niet onder de indruk van de wisselende samenstelling van de ruwe olie en levert betrouwbare meetwaarden.