beschikbaarheid marineschepen

DATA SCIENCE MARINE <

Data science verbetert onderhoud en beschikbaarheid marineschepen

De Koninklijke Marine bouwt aan betere toekomstbestendige oplossingen voor nieuwe schepen die dit decennium in de vaart zullen komen en de komende dertig jaar of meer dienst zullen doen. Het zet daarbij sterk in op het organiseren van data, het betrekken van Maintenance engineers en het samenwerken met de industrie.

Directie Materiële Instandhouding (DMI) in Den Helder is bij de Koninklijke Marine (KM) verantwoordelijk voor het onderhoud van schepen, onderzeeboten en systemen. “Een van de doelstellingen die in de Defensievisie 2035 is gedefinieerd, is dat we een nog betere grip en controle moeten krijgen op onderhoud en Asset Management. Dit willen we onder meer doen door met data science de voorspelbaarheid van het onderhoud van onze vloot te verbeteren. Op die manier kunnen we machineproblemen beter voorspellen en onderhoud beter plannen”, zegt Bart Pollmann. Hij is innovator Smart Maintenance bij het team Data voor Onderhoud van DMI van de marine. Dennis Curvers, eveneens Innovator smart maintenance bij DMI valt Pollmann bij. “Een marineschip moet voor een langere periode (dertig jaar of langer) dienst doen. Als je nu terugblikt welke technieken er dertig jaar geleden werden toegepast, dan zie je dat er ontzettend veel is veranderd. Ook de komende dertig jaar zal de technologie zich razendsnel verder ontwikkelen. Om relevant te zijn en blijven, zul je innovaties moeten doorvoeren en een schip veel adaptiever moeten ontwikkelen. We moeten veel dynamischer kijken naar de huidige generatie schepen en al in de ontwerpfase van nieuwe schepen nadenken over asset management. Een slimme aanpak is noodzakelijk”.

Techport Fieldlab Foto: Media Centrum Defensie

> Functionele benadering. Hoe de marine dit concreet aanpakt? “Vanuit een functionele benadering”, zegt Curvers. “In de volgende generatie schepen zal minder bemanning aan boord zijn. Hierdoor is het noodzakelijk om een aantal zaken te digitaliseren om ook ondersteuning vanaf de wal te kunnen bieden. Er is met andere woorden een ander type infrastructuur nodig aan boord, met meer sensoriek die toekomstbestendig is. We onderzoeken eerst met criticaliteits- en kosten- en batenanalyses welke installaties kritisch zijn voor de operationele inzet van het schip. Aan de hand van de technische kenmerken van de installaties kunnen we vervolgens nadenken welke informatie nodig is die kan bijdragen aan een betere voorspelbaarheid van onderhoud en Asset Management. Daarnaast kijken we naar de mogelijkheden die al beschikbaar zijn op bestaande systemen. Veel apparatuur is al voorzien van de nodige sensoren om er meer data uit te halen dan op dit moment gebeurt”. Curvers geeft een voorbeeld. “Neem een pomp. Hiervan werd in het verleden bijvoorbeeld alleen de persdruk geregistreerd om de pomp te kunnen monitoren, maar ook het uitlezen van aanvullende parameters als zuigdruk en temperatuur is mogelijk zodat het systeem kan worden gemodelleerd. Zinvolle parameters die vaak al beschikbaar zijn, willen we eveneens loggen en analyseren. Systemen worden aan een Industrial Internet of Things (IIoT)-netwerk aangesloten zodat data flexibel kan worden gelogd en sneller beschikbaar is voor analyse. Installaties worden hierdoor complexer, maar ook geavanceerder en slimmer wat leidt tot betere ondersteuning van de bemanning”.

> Techport. Om dit alles voor elkaar te krijgen, is samenwerking met andere partijen nodig. Collega Marc Hulzebos, senior engineer van de afdeling conditie en prestatie-analyse, onderdeel van het Kenniscentrum Conditiebewaking van de marine legt uit. “Data verzamelen van schepen op missie heeft een aantal nadelen. Er is altijd enige vertraging tussen het verzamelen van data en het analyseren ervan omdat schepen op zee de data niet zomaar aan land kunnen brengen voor analyse. Daarnaast is het voor het onderzoek handig als er veel problemen optreden om correlaties te kunnen vinden in de data. In de praktijk treden problemen (gelukki) niet zo vaak op, maar voor het uitvoeren van het onderzoek is dit een beperkende factor. We hebben daarom onder meer samenwerking gezocht met de proeffabriek van het Fieldlab Smart Maintenance.

In dit fieldlab (ondergebracht in Techport) hebben we gebruik kunnen maken van een installatie met een aantal pompen en een watertank waar we vrij aan konden sleutelen zonder een operationeel schip te moeten belasten met problemen. Zo hebben we een dataset gegenereerd van de ideale, gezonde situatie. Vervolgens hebben we diverse faalmechanismen, in verschillende gradaties toegepast. Van iedere nieuwe, ongezonde situatie is eveneens data verzameld. Geleidelijk aan leren analysetechnieken aan de hand van slimme algoritmen en machine learning afwijkende patronen en faalmechanismen herkennen, nog voor ze optreden. De samenwerking met Techport gaat ons helpen om te leren werken met nieuwe data-analysetechnieken”.

> RH Marine en Damen Schelde Naval Shipbuilding. Ook

met RH Marine en Damen Schelde Naval Shipbuilding (DSNS) is de Koninklijke Marine een samenwerking aangegaan. Hulzebos; “De Koninklijke Marine heeft met deze partijen een samenwerkingsovereenkomst gesloten om het onderhoud van nieuwe schepen met behulp van data science efficiënter en voorspelbaarder te maken. DSNS is verantwoordelijk voor de bouw van nieuwe fregatten waarbij al in de ontwerpfase rekening zal worden gehouden met het intensiever gebruik van data. RH Marine is maritiem systeemintegrator en levert infrastructuur om data te kunnen verzamelen en opslaan op een veilige manier. Met als doel: betere voorspelbaarheid van het onderhoud door aan de hand van data inzicht te verschaffen in de huidige toestand en eventuele degradatie van installaties aan boord. We werken samen om tot een volgende generatie schepen te komen”.

> Extra uitdagingen. De marine heeft daarbij te maken met een aantal bijzondere uitdagingen. Curvers; “Wat wij doen binnen de organisatie van Data voor Onderhoud is nieuw voor de organisatie. Dat betekent dat de vragen die we stellen eveneens nieuw zijn. Men heeft er nog niet voldoende over nagedacht of de vragen zijn nog niet eerder gesteld, waardoor je tegen wat uitdagingen aanloopt. Een voorbeeld. De grote hoeveelheid data die we willen verzamelen moet worden opgeslagen. Onze netwerkarchitectuur is daar op dit moment nog niet op ingericht”. Een factor die het nog complexer maakt is de hoge mate aan confidentialiteit waarmee de marine te maken heeft. “Veel oplossingen die voor commerciële partijen toegankelijk zijn, zoals de cloud, is voor ons (voorlopig) >

ZrMs Groningen op patrouille Foto: Media Centrum Defensie

Pilotproject Zr. Ms. Groningen

Zr.Ms. Groningen is uitgerust met extra sensoren en analysetools in een IoT-omgeving om te komen tot voorspellend onderhoud. Het schip is eveneens betrokken bij een ander project, Oceans X met als hoofddoel het beïnvloeden van gedrag op verschillende thema’s, waaronder het verduurzamen van de maritieme sector. Curvers; “In het project is onder meer gekeken hoe een schip zich op de meest energiezuinige manier van A naar B kan verplaatsen. Er zijn meerdere scenario’s mogelijk afhankelijk van de specifieke situatie, route en positie waarin het schip zich bevindt. Aan de hand van een aantal parameters is het mogelijk het meest efficiënte scenario te berekenen, wat leidt tot minder brandstofverbruik, minder emissie en minder slijtage en dus minder onderhoud. Door beter naar de data te kijken en hoe deze in te zetten kunnen we de operationele inzetbaarheid van het schip bevorderen”.

Gegevensuitwisseling Foto: Media Centrum Defensie

> geen oplossing. Wij kunnen hierdoor niet altijd meeliften op wat er commercieel beschikbaar is. We onderzoeken wat er voor handen is, leren ervan en gebruiken de slimmigheden om deze vervolgens toe te passen binnen de kaders en mogelijkheden die we hebben”.

Op de schepen waar momenteel proefprojecten lopen, worden momenteel grotere datasets opgeslagen op opslagmedia die, zodra de schepen weer aan wal zijn, worden uitgewisseld. “In een veilige werkomgeving kunnen we deze data analyseren en onze analysetechnieken verbeteren. Hierdoor werken we in deze fase nog wel met verouderde data. Gaat het om kleinere hoeveelheden specifieke data, dan is het al mogelijk om deze via een beveiligde satellietverbinding over te brengen. Ook daar zijn we de mogelijkheden verder aan het onderzoeken. Onze schepen hebben hiervoor op dit moment nog niet de juiste apparatuur aan boord waardoor een aantal extra bewerkingen nodig is, maar voor onze toekomstige vloot zal dit eenvoudiger worden”. Nog een uitdaging is dat er bij de marine sprake is van series van maximaal 4 vergelijkbare schepen en geen serieproductie zoals in automotive en luchtvaart. Hulzebos; “De werf waar wij onze fregatten kopen, moet je veel eerder zien als systeemintegrator waar onderdelen van verschillende OEM’ers samenkomen. Dit betekent dat je ook bij onderhoud en service van de installaties op de schepen geen beroep kunt doen op één servicepartij. We zullen altijd zelf het voortouw moeten nemen”.

> Niet afwachten. Onderhoud slim aanpakken is een noodzaak. Hulzebos; “Hoe onderhoudsvoorspelling er de komende jaren concreet uit zal komen te zien, weten we nog niet. Belangrijk is echter om niet af te wachten tot zaken mogelijk plug-and-play beschikbaar zijn. Je kunt nu alvast installaties voorzien van sensoren en onderzoeken hoe je op een betrouwbare manier nuttige data kunt verzamelen en welke analysetechnieken en modellen toepasbaar zijn. Dat geldt niet alleen voor ons, maar voor alle industrieën”. Curvers vervolgt; “Data science is daarbij geen doel an sich. Het is een toolbox voor de onderhoudstechnicus die hem veel extra mogelijkheden kan gaan bieden. De specifieke installatiekennis van de onderhoudstechnicus zal daarbij zeer belangrijk blijven. Drie pijlers leiden uiteindelijk tot succes: data, analysetechnieken én domeinkennis. Een combinatie van deze drie is noodzakelijk. Alleen data helpt niet, alleen beschikken over goede modellen brengt je evenmin verder. Er is absoluut verstand en inzicht in het systeem en in onderhoud nodig. Je kunt dit niet doen zonder mensen”. <

‘‘De samenwerking met Techport gaat ons helpen om ’ te leren werken met nieuwe data-analysetechnieken’