Voorspellend Onderhoud: Interactief Gemalen Dashboard voor Gemeente Almere

Nelen en Schuurmans heeft de gemeente ondersteund door de ontwikkeling van een dashboard waarin zij in één oogopslag kunnen zien waar gemalen afwijkend gedrag vertonen. Het opsporen van afwijkend gedrag werkt door dagelijks een analyse uit te voeren van vier Key Performance Indicators (KPI’s). Deze KPI’s zijn de bedrijfsuren, de hoeveelheid schakelingen, het energieverbruik per kubieke meter verpompt volume en de draaiuurverhouding tussen pompen bij gemalen met meer dan een pomp. Wanneer één van deze KPI’s waardes vertoont die buiten een bepaalde bandbreedte vallen, wordt met een signaal op de kaart aangegeven dat het gemaal mogelijk in storing kan gaan. Deze berekening wordt dagelijks uitgevoerd en hiermee wordt voor ieder gemaal de storingsstatus bijgewerkt. De gemeente heeft de mogelijkheid de bandbreedte voor iedere KPI zelf in te stellen in hun beheersysteem. Ook kunnen zij hier de analyse uitzetten voor specifieke gemalen, of zelf combinaties maken van KPI’s die moeten worden meegenomen in de berekening.

Naast het dashboard is er binnen dit project gewerkt aan een case-study voor predictive maintenance. Voor het rioolgemaal Muzenpark is onderzocht of met behulp van machine-learning methodes storingen vroegtijdig kunnen worden voorspeld. Het gemaal Muzenpark onderscheidt zich van andere gemalen doordat hier een grote hoeveelheid aan hoogfrequente data beschikbaar is, en er bovendien bijgehouden wordt wanneer het gemaal in storing is geweest. Met het trainen van een random forest model op drie jaar aan historische data, bleek het voor de testdataset mogelijk om in 84% van de gevallen correct te voorspellen wanneer een gemaal in storing gaat. Deze resultaten bieden perspectief voor doorontwikkeling van soortgelijke modellen voor alle gemalen.