PrimaVera bouwt testbench voor genereren van data

Vijfjarig project richt zich op maritiem, infrastructuur en hightech productie

PrimaVera is een samenwerkingsverband tussen een groot aantal bedrijven, onderzoeksinstituten en onderwijsinstellingen. Deze projectgroep richt zich gedurende vijf jaar op het toegankelijk maken van voorspelbaar onderhoud voor (het liefst) de hele industrie. Eén van de initiatieven die hiervoor is ontplooid, betreft de ontwikkeling en bouw van een 'testbench'. Hier worden lagers op diverse manieren en onder verschillende omstandigheden kapot gedraaid. Op deze manier worden belangrijke faaldata gecreëerd waarmee algoritmen zijn te schrijven die nodig zijn om lageronderhoud zo betrouwbaar mogelijk te kunnen voorspellen.

PrimaVera is de (vertaalde) afkorting voor: Predictief onderhoud voor Zeer effectief assetmanagement. Het project – dat financiering kreeg van de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO) – is hiermee van waarde voor praktisch de hele industrie. Onderhoud voorspellen betekent immers kosten verlagen en de betrouwbaarheid, beschikbaarheid, veiligheid en kosteneffectiviteit van (hightech)systemen maximaliseren.

Drieluik

Om ook echt in de praktijk iets te kunnen betekenen voor de industrie, richt het landelijke project PrimaVera (zie ook kader) zich op verschillende thema's. Als eerste het ontwikkelen van modellen en algoritmen die iets zeggen over de levenscyclus van een asset.

Daarnaast – en dat is misschien wel het belangrijkste – wil PrimaVera de modellen toegankelijk maken voor het liefst iedereen. Voorspellend onderhoud moet uit de wetenschappelijke hoek worden gehaald en beschikbaar zijn voor alle bedrijven. Ook voor degene die een minder groot budget hebben en minder kennis in eigen huis. 'Het kan de BV Nederland redden', staat te lezen op de website. Tot slot ligt een praktische component in een focus op sensoren. Dit zijn immers de technische componenten die uiteindelijk verantwoordelijk zijn voor het verzamelen van de benodigde 'big data'.

Veel bedrijven hebben wel problemen, maar geen data

Eric van Genuchten is oprichter en eigenaar van Sensing360 en het afgelopen jaar nauw betrokken bij PrimaVera. Hij geeft aan: "Eigenlijk is het heel simpel: onderhoud is duur maar storingen en het uitvallen van machines en installaties kosten nog veel meer geld. Daarom is het belangrijk dat onderhoud een prominente plaats heeft in alle organisaties die werken met technische assets. Of het nu een brug of sluis van Rijkswaterstaat is, een fregat van de Koninklijke Luchtmacht, een centrifugaalpomp in de procesindustrie of een machine in de maakindustrie die ultranauwkeurige producten maakt voor halfgeleiders."

Deelnemende organisaties en personen
Het PrimaVera onderzoeksproject is onderdeel van Onderzoek op Routes door Consortia (ORC). Het vijfjarige project wordt geleid door hoogleraar Mariëlle Stoelinga van de faculteit Electrical Engineering, Mathematics & Computer Science van de Universiteit Twente. Verder is het gestructureerd in zes technische werkpakketten en twee met betrekking tot verspreiding en beheer. De ketenbrede communicatie en aansturing worden in dit project als cruciale onderdelen gezien.

Het consortium bestaat uit dertien partners: zes academische partners en tien industriële of maatschappelijke partners. Deze partners zijn: TU Eindhoven (Human Performance Management, Operations Planning Accounting & Control, Stochastics), Radboud Universiteit (Data Science, Software Science), Saxion, Haagse Hogeschool en het Koninklijke Nederlands Lucht- en Ruimtevaartcentrum (NLR). Betrokken bedrijven zijn Rijkswaterstaat, Damen Naval, Technobis, Marine, NS, ASML, Royal IHC, Rolsch Asset management, Waterschap De Dommel, ORTEC Consulting Group en Alfa Laval. Tien promovendi en twee postdoc's zijn aan PrimaVera verbonden.

Data

Een belangrijke bottleneck in het grootschalig toepassen van voorspellend onderhoud op basis van big data, algoritmes en eventueel artificiële intelligentie, is volgens de projectgroep het gebrek aan relevante data. Data zijn nodig om algoritmes te ontwikkelen en te valideren en zijn dus van cruciaal belang om stappen te nemen in de hele industrie op het vlak van voorspellend onderhoud.

Maar klinkt het ontbreken van voldoende data niet tegenstrijdig met de vele verhalen die afgelopen jaar zijn geschreven en waarin wordt aangegeven dat bedrijven heel veel data genereren en geen idee hebben we ze ermee moeten doen?

Eric van Genuchten: "Er zijn inderdaad voldoende bedrijven die begonnen zijn met data verzamelen, maar de praktijk leert dat dit uiteindelijk toch niet voldoende is. De meeste data zijn namelijk afkomstig van goed draaiende machines en dus ongeschikt om te leren over faalgedrag. En wannéér het mis gaat, worden de data niet gedeeld of als zodanig geclassificeerd waardoor ze niet beschikbaar zijn voor analyse of de ontwikkeling van algoritmes en modellen."

Om verder te komen op het vlak van voorspellend onderhoud zijn dus 'faaldata' nodig. Bijvoorbeeld het verloop van een trillingsspectrum van een lager vanaf het allereerste signaal van slijtage tot aan het moment van daadwerkelijk falen. Deze spectra zouden beschikbaar moeten zijn voor de meest voorkomende lagers onder alle mogelijke omstandigheden en onder invloed van de meest gangbare factoren.

Eric van Genuchten: "Als je zo'n database zou kunnen opbouwen, zou je prachtig referentiemateriaal hebben voor alle lagers in de industrie. Je hoeft de trillingsspectra die je dan in je eigen toepassing meet via een algoritme 'alleen maar' te vergelijken met de spectra die beschikbaar zijn in de database. Het resultaat is een betrouwbare indicatie van de resterende levensduur van een lager op dat moment."

Testbench

Alle reden dus om een van de deelprojecten van PrimaVera te richten op het genereren van deze broodnodige data. Hiervoor wordt nauw samengewerkt met het lectoraat Smart Sensor Systems van de Haagse Hogeschool. De studenten kregen daarbij de opdracht om faaldata te genereren waarmee betrouwbare modellen zijn op te zetten in het kader van voorspellend onderhoud.

Projectleider vanuit de Haagse Hogeschool is Sam Aerts (associate lector Smart Sensor Systems); hij geeft aan: "Voor dit doel zijn MBO- en HBO-studenten al eerder begonnen met het opbouwen van een eerste zogenaamde testbench. Een soort aandrijving waarmee we lagers letterlijk in versneld tempo kapot draaien. Daarbij kiezen we enerzijds voor 'goede' lagers maar daarnaast voor lagers met een foutje. Lagers met slijtage bijvoorbeeld, verkeerd gemonteerde of uitgelijnd enzovoort."

"Vervolgens draaien we ook deze lagers kapot en verzamelen de bijbehorende trillingsspectra en andere gegevens. Hiermee verzamelen we de gewenste data die nauwkeurig aangeven hoe een spectrum oogt van een lager met een van de eerdergenoemde fouten. Een heel karwei omdat het niet alleen gaat om verschillende lagers maar ook om verschillende fouten en diverse omstandigheden. Deze kunnen variëren in bijvoorbeeld temperatuur, toerental van de motor, onbalans en eventueel externe trillingen."

Op deze eerste testbench zijn 3-assige trillingssensoren aangebracht en worden binnenkort akoestische sensoren om de opstelling heen geplaatst. Voor het meten van krachten zijn load cells aangebracht. Sam Aerts: "Deze eerste testbench is uiteindelijk vooral een prototype gebleken waarmee we zeker data hebben gegenereerd maar waar we ook hebben moeten constateren dat bepaalde ontwerpkeuzes niet helemaal het gewenste resultaat opleveren."

De eerste testbench was een prototype; de tweede gaat langere reeksen schone faaldata draaien

"Dat betekent dat we geen lange reeksen kunnen draaien en tussen de testen door steeds kleine zaken moeten oplossen of aanpassen. Een vrij arbeidsintensief proces. Dit heeft ons doen besluiten om een tweede testbench te ontwerpen en te bouwen om sneller, grotere hoeveelheden 'schone', geannoteerde faaldata te creëren. Dit proces is inmiddels in volle gang en ik ga ervan uit dat er dit schooljaar al de eerste datasets op de nieuwe testbench worden gegenereerd."

Eric van Genuchten vult aan: "Nu duurt het project officieel tot 1 september 2025 maar ik ga er niet vanuit dat de testbench op dat moment 'uit' gaat. Het is ook een te mooie opstelling om niet te worden opgepakt of overgenomen door nieuwe stagiaires of afstudeerders die ieder een nieuw puzzelstukje leggen. Hiermee kunnen we uiteindelijk zoveel mogelijk data openbaar beschikbaar stellen."

"Uiteindelijk moet er ook een soort 'handleiding' worden geschreven die te gebruiken is voor alle partijen die zich bezig willen houden met voorspellend onderhoud. En dan het liefst partijen die kiezen voor voorspellend onderhoud omdat ze weten welke bijdrage dit levert aan beschikbaarheid, veiligheid en efficiëntie van een asset. En niet omdat de verzekering of de wetgever dat wil of dat een recent ongeluk ze dwingt om onderhoud anders aan te pakken."

Meer informatie: https://primavera-project.com/