De grootste kennisbank van het HBO

Inspiratie op jouw vakgebied

Vrij toegankelijk

Terug naar zoekresultatenDeel deze publicatie

Mogelijkheden predictive maintenance binnen Rijkswaterstaat

Verkenning van SCADA gegevens binnen 21 bruggen

Open access

Rechten:Alle rechten voorbehouden

Mogelijkheden predictive maintenance binnen Rijkswaterstaat

Verkenning van SCADA gegevens binnen 21 bruggen

Open access

Rechten:Alle rechten voorbehouden

Samenvatting

Rijkswaterstaat is de uitvoeringsorganisatie van het Ministerie van Infrastructuur en Waterstaat. Zij beheren binnen Nederland de rijkswegen, -vaarwegen en –wateren en ontwikkelen deze ook. Dit maakt dat Rijkswaterstaat in het bezit is van een breed scala aan infrastructurele assets, zoals bruggen en sluizen. Het onderhoud van deze assets is van groot belang voor de integriteit en het functioneren van de infrastructuur binnen Nederland. Dit feit is leidend bij de uitvoering van verschillende pilot projecten van Rijkswaterstaat binnen Nederland. Eén van deze pilots is Tilburg 3, deel van het Vitale Assets, voorspelbaar onderhoud project. Het doel van dit project is om het onderhoud aan objecten in het bezit van Rijkswaterstaat beter te kunnen timen door te sturen naar datagedreven predictive maintenance.

Het doel van dit onderzoek is de inzetbaarheid van de beschikbare SCADA-gegevens van eenentwintig bruggen in regio Zuid Nederland in kaart brengen voor het doeleind predictive maintenance. Om deze doelstelling te bereiken is de volgende onderzoeksvraag opgesteld: “In hoeverre is het mogelijk om met de beschikbare SCADA gegevens predictive maintenance toe te passen?”.

Het onderzoek is vervolgens in vier stappen doorlopen. Eerst is de doelstelling van Rijkswaterstaat uitgediept door overleg te plegen met verschillende stakeholders binnen het vitale assets project. Hieruit is een lijst met eisen en user stories opgesteld welke de richting bepalen voor de rest van het onderzoek. Deze richting is het zoeken naar verbanden in het storingsgedrag van de bruggen. De stap die daarop volgde was het in kaart brengen van de kwaliteit van de beschikbare gegevens om een beeld te creëren over de mate waarin deze ingezet kan worden voor predictive maintenance. Hieruit bleek dat dertien van de eenentwintig bruggen niet consistent hebben gelogd, dit beslaat 12.5% van de gegevens. Eén brug (Brug Son) mist zesentwintig dagen aan loggegevens en scoort 89.03% op de mate van compleetheid. Vervolgens is gezocht naar literatuur over de toepassingen van predictive maintenance op SCADA loggegevens. Vanuit deze literatuur is een lijst van modellen opgesteld die in SCADA gegevens verbanden zoeken. Daarnaast zijn meetinstrumenten vastgesteld om het toegepaste model aan te toetsen. Tot slot is een model uitgewerkt tot een proof of concept en is hiermee een experiment gedaan op de beschikbare SCADA gegevens. De uitkomsten van het experiment geven geen verbanden aan tussen SCADA alarmen die gebruikt kunnen worden voor het toepassen van predictive maintenance. Het onderzoek geeft geen uitsluitsel dat met een grotere dataset ook geen verbanden kunnen worden gevonden. Vanuit deze conclusie wordt aanbevolen de dataset te vergroten en andere datasets te combineren om zo een bredere set aan gegevens te creëren.

Toon meer
OrganisatieHZ University of Applied Sciences
OpleidingHBO-ICT
AfdelingDomein Technology, Water & Environment
PartnerRijkswaterstaat Zee en Delta, Middelburg
Datum2019-01-21
TypeBachelor
TaalNederlands

Op de HBO Kennisbank vind je publicaties van 26 hogescholen

De grootste kennisbank van het HBO

Inspiratie op jouw vakgebied

Vrij toegankelijk