Belang van data bij pomponderhoud neemt onverminderd toe
Van visuele inspecties tot intelligent monitoren
Als 'rotating equipment' hebben pompen regelmatig onderhoud nodig. Waar dit vroeger vooral mechanisch gedreven was en gebaseerd op het aantal operationele uren, wordt onderhoud nu steeds vaker uitgevoerd op basis van data. 'Condition based' dus, risicogestuurd of liever nog: voorspellend. De data kunnen daarbij afkomstig zijn van sensoren op de pomp zelf, maar worden ook steeds vaker betrokken van bijvoorbeeld de toegepaste elektromotor of frequentieregelaar. Een valkuil is het klakkeloos reageren op 'faaldata', zonder na te denken over de achterliggende oorzaak.
Pompen zijn er in uiteenlopende uitvoeringen, die allemaal hun eigen onderhoud nodig hebben. In dit artikel beperken we ons tot de veel gebruikte centrifugaalpompen, die onder meer in de waterbehandeling, procesindustrie en voedingsmiddelenindustrie worden ingezet.
Evoluties bij pomponderhoud
Omdat centrifugaalpompen tot de rotating equipment behoren, zullen specifieke onderdelen na verloop van tijd slijten. Traditioneel onderhoud richt zich dan ook in eerste instantie op visuele inspectie van de roterende delen en andere aan slijtage onderhevige onderdelen, zoals afdichtingen en lagers. Lekkages, corrosie, beschadigingen en ook afwijkende geluiden vormen aanleiding om de pomp te reviseren of te repareren.
Daarnaast worden ook al langere tijd sensoren ingezet om metingen uit te voeren aan de pomp. Onder andere trillingsensoren kunnen waardevolle informatie opleveren over bijvoorbeeld onbalans, slijtage, uitlijningsproblemen, cavitatie of lagerproblemen. Bij de juiste interpretatie van de trillingspatronen – hiervoor is de nodige kennis en ervaring nodig – zijn de betreffende problemen reeds in een vroeg stadium te detecteren. Dit betekent dat er tijdig onderhoud is in te plannen en dat echte problemen, zoals het uitvallen van een pomp met bijbehorende kosten, zijn te voorkomen.
Specifiek bij pompen levert de inzet van sensoren voordelen op wanner deze op afstand zijn uit te lezen. Enerzijds kan een onderhoudsspecialist dan vanaf een centrale plaats een groot aantal pompen gelijktijdig in de gaten houden – zowel op de eigen plant als eventueel ook elders ter wereld. Hierdoor zijn minder specialisten nodig om deze pompen te onderhouden; zeker wanneer vanaf deze centrale plaats ook instellingen zijn te wijzigen en storingen zijn op te lossen. Anderzijds bevinden pompen zich sowieso vaker op plekken waar monteurs niet eenvoudig bij kunnen komen. Denk daarbij aan de vele pompen die in de procestechniek worden gebruikt of op offshore platforms. Wanneer sensoren geen aanleiding geven om een dergelijke pomp te bezoeken, is dat ook een optimalisatie van de onderhoudskosten.
Tevens kunnen metingen aan gekoppelde assets informatie opleveren over de werking of conditie van de pomp. Bijvoorbeeld de elektromotor die de pomp aandrijft en de eventueel bijbehorende frequentieregelaar. Beide assets genereren data die zijn uit te lezen, te analyseren en te gebruiken voor het (mede) bepalen van de staat waarin de pomp zich bevindt. In het kaderstuk is een voorbeeld te vinden van een manier om pompen sensorloos te monitoren, door gebruik te maken van stroom- en spanningsmetingen.
Pompen bewaken vanuit de schakelkast
Veel pompen zijn lastig te inspecteren. Ze hangen onder water in een natte put, zitten diep in een boorgat of staan in een zone waar mensen niet zomaar mogen komen. Toch is hun conditie te monitoren zonder bij de pomp zelf te komen, door in de schakelkast de voeding naar de motor te meten. Een pompmotor reageert namelijk op wat er in de pomp gebeurt. Verandert de belasting, ontstaat er een mechanisch of elektrisch probleem, of raakt de aanzuiging verstopt? Dan geeft dat vaak een herkenbaar patroon in het elektrisch signaal. Speciale software analyseert het patroon met Electrical Signature Analysis (ESA).
In het Verenigd Koninkrijk bewaakt een dergelijk systeem (SAM4) op dit moment ruim 5.300 motoren die vooral pompen bij waterbedrijven aandrijven. In het afgelopen jaar heeft het systeem ruim duizend storingen gedetecteerd.
Zoals elke methode heeft ook ESA grenzen, waardoor niet iedere storing zichtbaar is in het elektrische signaal. Het patroon is wat dat betreft ook afhankelijk van de pomp zelf, de toegepaste motor, de volledige aandrijving, de bedrijfsomstandigheden en uiteraard het type storing. Wat dat betreft is een combinatie van ESA met andere technologieën zoals trillings-, temperatuur-, debiet- of drukmetingen een perfecte match.
Mogelijkheden en valkuilen van AI
De volgende nieuwe ontwikkelingen liggen bij het gebruik van AI (kunstmatige intelligentie). Hierbij trekken AI-modellen conclusies op basis van een set aan (meet)data, waarmee onder meer de onderhoudsbehoefte is te voorspellen. Mooie ontwikkelingen, maar bedrijven waarschuwen ook om AI niet als 'heilige graal' te beschouwen. Een goed AI-model is namelijk gebaseerd op véél gegevens die ook nog eens van goede kwaliteit moeten zijn. Vooral die laatste randvoorwaarde is er een die verschillende kanten kent.
Kwalitatief hoogwaardige data wordt uitsluitend gegenereerd wanneer de juiste sensoren op de juiste plaats de juiste dingen meten. De overdracht van deze data naar een centrale plek – bijvoorbeeld een cloudomgeving – vereist vervolgens een geschikte datacommunicatiestructuur die niet alleen betrouwbaar moet zijn, maar ook cyberveilig. En tot slot is er een betrouwbaar algoritme nodig om de juiste conclusies te trekken. Daarbij leert een systeem in eerste instantie wat 'normaal' is en herkent dit vervolgens afwijkingen.
Er is wat dat betreft nog veel onderzoek nodig en dat gebeurt ook op uiteenlopende niveaus (zie ook het kaderstuk). Ondertussen worden er in de praktijk grotere en kleinere projecten gestart waarin AI en voorspellend onderhoud simpelweg worden uitgeprobeerd. Periodieke inspecties, trillingsanalyse en temperatuurmetingen zijn inmiddels gangbaar en ESA (Electrical Signature Analysis) is al goed toepasbaar. De stappen gaan nu richting een steeds meer autonoom karakter, waarbij slimme systemen zelfstandig een diagnose stellen en – in het meest ultieme geval – zelfstandig een beslissing nemen. Zover is het echter nog niet.
Onderzoek naar pomponderhoud
Ook in de onderwijssector wordt onderzoek gedaan naar de mogelijkheden die big data in combinatie met AI bieden.
Onder andere de universiteit Twente doet onderzoek naar het ontwikkelen van een methode om vroegtijdige defecten in centrifugaalpompen te detecteren met behulp van een akoestische camera en op natuurkunde gebaseerde kennis. Het onderzoek is voornamelijk experimenteel en verzamelt gegevens van twee pompopstellingen waarop twee soorten storingen worden opgewekt: schade aan de waaier en cavitatie. De gegevens worden verzameld met behulp van een akoestische camera, versnellingsmeters en een microfoon. Het onderzoek toont aan dat met een juiste data-analyse in een geschikt domein onderscheid kan worden gemaakt tussen verschillende soorten storingen.
Ook PrimaVera ('Predictive Maintenance for Very Effective Asset management') rondde onlangs een grootschalig onderzoeksprogramma af, waarin onderzoek is gedaan naar voorspellend onderhoud. Dit onderzoek is gefinancierd door NWO en betreft een samenwerking tussen onder andere TNO, universiteiten, hogescholen en industriële partners. Het hoofddoel is het ontwikkelen van AI-modellen op basis van data-analyse en sensoren met het oog op een 'perfect' model dat onderhoud voorspelt.
Veelgemaakte fouten
Een rondje langs diverse onderhoudsbedrijven levert een interessant overzicht op over de fouten die door pompgebruikers worden gemaakt bij het onderhouden van hun assets.
Een van de belangrijkste is te verzuimen om te achterhalen waarom er onderhoud nodig is, tenminste wanneer het niet gaat om slijtagedelen die rond de voorspelde 'einde levensduur' aan vervanging toe zijn. Op basis van dit onderzoek is te verklaren waarom een pomp bovenmatige slijtage vertoont, lekt, meer geluid maakt dan normaal of trilt. Door de oorzaken op te lossen, is de kans groot dat het bijbehorende onderhoud vervalt of dat de onderhoudsintervallen groter worden.
Zo kan een onjuiste uitlijning leiden tot verhoogde wrijving, slijtage, trillingen en een hoger geluidsniveau. Verkeerd smeren – met een verkeerd middel, de verkeerde hoeveelheid, op de verkeerde manier of in een foutieve frequentie – kent hetzelfde resultaat. Beide fouten leiden bovendien tot een verhoogd energiegebruik, wat in het kader van duurzaamheid en TCO in de huidige tijd ongewenst is.
Zeker smeertechnisch onderhoud is bij rotating equipment een thema dat de aandacht verdient. Wanneer een technische dienst zich hierin goed verdiept, zal zich dat terugvertalen in een lager smeermiddelenverbruik, lagere onderhouds- en logistieke kosten en bovendien een hogere betrouwbaarheid en beschikbaarheid van de pomp. Het technisch smeerbeheer is in veel gevallen op te nemen in bestaande onderhoudssoftware, waarmee de kans op het 'vergeten' van smeerpunten is geminimaliseerd. Wat dat betreft is professionele onderhoudssoftware sowieso een goed hulpmiddel om preventief onderhoud uit te voeren. Mogelijk is het ook een bron van data voor voorspellend onderhoud.
Reparatie, revisie of vervangen?
Wanneer de pomp het einde van zijn theoretische levenscyclus bereikt, moet de assetmanager bepalen of het nog zinvol is om reparaties uit te voeren of de pomp te reviseren, dan wel of men die beter kan vervangen.
Revisie is vooral een economisch verantwoorde keuze bij systemen die nog beschikken over een solide mechanische behuizing. Wel wordt aangeraden deze dan te voorzien van moderne sensoren. Vervanging wordt aangeraden wanneer de bestaande hardware een barrière vormt voor digitale integratie. Alleen moderne, AI-compatibele systemen kunnen immers volledig profiteren van een unified data factory, wat essentieel is voor toekomstige schaalbaarheid.
Samenvattend: de toekomst van het pomponderhoud ligt in data. Maar vergeet nooit met gezond verstand te blijven kijken, luisteren, ruiken en voelen. Niet alleen naar de pomp, maar ook naar het systeem en de omgeving waarin de pomp draait.
Met medewerking van Haagse Hogeschool, Samotics, Universiteit Twente en Verder Liquids