ENGIE Services houdt zich in Nederland bezig met het bouwen, beheren, onderhouden en vernieuwen van een verscheidenheid aan installaties bij hun zakelijke klanten. Hiervoor zijn ze continu op zoek naar innovatie en verbetering, waardoor er in 2018 overwogen werd om onderhoud op basis van conditiemonitoring (CM) toe te passen in plaats van op vaste momenten of bij falen van installaties.
Hiervoor heeft ENGIE Ventures & Integrated Solutions (EVIS) een slim algoritme ontwikkeld om de efficiëntie van warmtepompen (uitgedrukt in de Coefficient Of Performance, COP) bij warmtepompen te bewaken. Op basis van dit zelflerende algoritme kan de performance van een warmtepomp continu gemonitord worden, waardoor verwacht werd in staat te zijn om het falen van de warmtepomp vroegtijdig te signaleren en onderhoud optimaal te plannen.
De vraag van ENGIE aan SD&Co:
“Wat is deze conditiemonitoring toepassing waard voor onze klanten en voor welk bedrag kunnen wij die in de markt aanbieden?”
Om deze vraag te beantwoorden heeft SD&Co een simulatiemodel ontwikkeld. Tijdens dit project hebben we een aantal algemene lessen geleerd die nuttig kunnen zijn wanneer je overweegt om met conditiemonitoring te starten:
1. Veel conditiemonitoring technieken zijn niet in staat om alle faalmodi van installaties te detecteren
In Nederland wordt conditiemonitoring gezien als dé innovatieve manier om onderhoud efficiënter te maken. In dit project hebben we geleerd dat conditiemonitoring hierbij zeker kan helpen, mits je de CM-techniek en de verschillende manieren van falen goed begrijpt.
Aan het begin van dit project brachten we de verschillende specialisten van ENGIE samen, om de mogelijke manieren van falen voor warmtepompen en de manier waarop deze gedetecteerd kunnen worden te begrijpen. Zowel de CM-specialist (verantwoordelijk voor het algoritme) en de maintenance engineer (verantwoordelijk voor het onderhoud) waren vooraf optimistisch over conditiemonitoring en verwachtten dat deze techniek al het falen kon voorspellen. In werkelijkheid bleek deze parameter slechts één van de acht manieren van falen, namelijk van de compressor, echt goed te kunnen voorspellen.
Door met elkaar in gesprek te gaan, kwamen we er achter dat de andere faalmodi, zoals een lekkage aan een leiding of een probleem met de turbine, beperkt terug te zien waren in de COP. Sterker nog, als afwijkingen in de COP gebruikt zou worden om het onderhoud van deze componenten te plannen, zou het vaker onnodig dan terecht uitgevoerd worden.
Conclusie:
Hieruit blijkt dat het van belang is om, wanneer je conditiemonitoring overweegt, vooraf goed te begrijpen waar de waarde van conditiemonitoring zit (en vooral ook waar niet) door de juiste specialisten bij elkaar te brengen. Op die manier kun je het zo inrichten dat je er de meeste waarde uithaalt: welke onderhoudsbeslissingen gaan we wél en welke gaan we niet op basis van deze conditiemonitoring techniek nemen.
2. Hypotheses en een sensitiviteitsanalyse helpen je om een scherp beeld te krijgen van de waarde van een project
Aan het begin van het project hebben we met de betrokkenen een aantal mogelijke waardedrijvers gedefinieerd, die we vertaald hebben in een viertal hypotheses: (1) de CM-techniek helpt om falen te voorkomen, (2) de CM-techniek helpt om de COP te verhogen, (3) de CM-techniek helpt om revisies uit te stellen en (4) de CM-techniek gaat waarschijnlijk extra, onnodige onderhoudsactiviteiten opleveren. Het opstellen van deze hypotheses helpt om alvast gezamenlijk een beeld te krijgen van waar de waarde in zou kunnen zitten en om vervolgens heel gericht informatie te gaan verzamelen.
Omdat deze hypotheses met elkaar samenhangen - het uitstellen van een revisie heeft bijvoorbeeld een negatief effect op de gemiddelde COP - hebben we de hypotheses vertaald naar een simulatiemodel. In dit model zijn de hypotheses zowel individueel als gezamenlijk getest, waarbij ook is gekeken naar (a) wat als de CM-techniek beter/slechter presteert dan verwacht en (b) wat als de context verandert? Dit heeft ons bijvoorbeeld geleerd dat het verhogen van de COP door sneller afwijkingen te herstellen (hypothese 2) waarschijnlijk de belangrijkste waardedrijver is. Ook heeft de sensitiviteitsanalyse ons geleerd dat de business case sterk afhankelijk is van de energieprijs; als de energieprijs stijgt, neemt de waarde van de CM-toepassing ook toe.
Conclusie:
Denk vooraf goed na over waar de verwachte waarde zit en ga dit gericht testen. Dit kan bijvoorbeeld in Excel of met een simulatiemodel. In beide gevallen is het verstandig om aan het einde af te vragen: wat nu als wij er naast zitten of de context verandert?
3. Een proof of concept helpt om meer informatie te verzamelen over variabelen met een grote impact én onzekerheid
Bij veel innovaties is vooraf nog niet precies bekend hoe goed een innovatie, zoals een nieuwe CM-techniek, in de praktijk gaat functioneren. Hoewel in dit project de meeste variabelen met de betrokken specialisten redelijk goed ingeschat konden worden, waren er ook een aantal variabelen die nog onzeker waren. Zoals in punt 2 aangegeven, heeft de sensitiviteitsanalyse geholpen om te achterhalen welke variabelen een grote impact hebben op de waarde. Als hier variabelen tussen zitten die én nog onzeker zijn én een grote impact hebben, kan het verstandig zijn om hier eerst gericht informatie over te gaan verzamelen, bijvoorbeeld in een proof of concept.
Dit is precies wat ENGIE heeft gedaan. In dit geval ging het om twee variabelen: de haalbare verbetering van de COP (hypothese 2) en het aantal extra onderhoudsactiviteiten (hypothese 4). In een pilot met één klant zijn deze twee variabelen bewust gemonitord, naast een aantal technische functionaliteiten die al in de planning stonden. Hierdoor is ENGIE nu in staat om deze CM-techniek tegen een reële prijs aan te bieden.
Foto: engie.nl
Conclusie:
Als belangrijke variabelen nog onzeker zijn, is het verstandig om eerst een gericht experiment op kleine schaal uit te voeren, voordat de toepassing op grote schaal uitgerold wordt.