Digitaal water

Slimme automatisering, Smart Industry en digitalisering, ook in de watersector zijn het hete onderwerpen. Die grote interesse in ‘smart water’ – of zelfs Water 4.0 – is logisch, want de toepassing van ict en geavanceerde meettechnieken kan ook in die industrie zorgen voor betere en efficiëntere systemen en processen.

Wereldwijd zijn drinkwaterbedrijven vaak nog lang niet toe aan verregaande digitalisering. ‘In sommige landen hebben ze niet eens een digitaal model van hun drinkwaternetwerk. Daar weten ze bij wijze van spreken niet eens waar de leidingen liggen’, vertelt Peter van Thienen, senior researcher en chief information officer bij KWR, het onafhankelijke onderzoeksinstituut voor tien Nederlandse drinkwaterbedrijven en één Vlaamse. ‘Er zijn ook genoeg landen, waaronder Nederland, waar de waterleveranciers wel beschikken over goede informatie van de productiefaciliteiten en de transport- en distributienetwerken. Er zijn digitale modellen voorhanden om door te rekenen hoe die systemen zich gedragen, om voorspellingen te kunnen doen en om hen te ondersteunen bij het ontwerp bij voorziene vervanging of uitbreiding.’

In Nederland verzamelen drinkwaterbedrijven heel veel procesdata. Vooral het zuiveringsproces is heel erg strak gestuurd. Voor het transport en de distributie van water is het beeld echter nog verre van compleet. Er ligt een groot netwerk aan leidingen onder de grond – in totaal gaat het in Nederland om ongeveer 120 duizend kilometer – om het water van de productiefaciliteit naar de eindklanten te brengen. Leveranciers meten over het algemeen netjes hoeveel water ze erin stoppen, onder welke druk en met welke temperatuur. En bij een aantal grootverbruikers wordt live gemeten hoeveel eruit gaat. Ook loopt er een programma waar bij enkele huishoudens water wordt afgetapt dat vervolgens in een laboratorium wordt geanalyseerd. Bijna altijd is het van zere hoge kwaliteit, maar toch blijft het water een hele tijd uit zicht. En de staat van de leidingen is helemaal onduidelijk.

De leidingen tussen de productiesite en de kraan vergelijkt Van Thienen dan ook met een black box. ‘We hebben wel een idee wat er gebeurt, maar er is weinig concrete data. Sommige drinkwaterbedrijven zijn daarom druk bezig om druk- en flowsensoren in het netwerk te prikken.’ Daarmee willen ze bijvoorbeeld lekverliezen boven water krijgen. In Nederland is dat met zo’n 4 procent weliswaar een klein probleem – er zijn landen waar de helft van het geproduceerde drinkwater onderweg verloren gaat – maar het is toch zonde. Zeker als je terugdenkt aan de droge zomers van de afgelopen jaren.

Onvoorspelbaar

Deze digitale transformatie, met onder meer drinkwaterbedrijven Vitens en Oasen als koplopers, is work in progess. De uitdaging zit niet alleen in de sensoren; op dat gebied wordt veel geïnnoveerd. Veel lastiger is het om met een beperkt aantal meetpunten toch bruikbare informatie binnen te krijgen. Sensoren zijn immers redelijk duur en installatie in het bestaande netwerk is zeer arbeidsintensief. Als het lukt om in een leiding van duizend kilometer vijf sensoren te plaatsen, weet je nog steeds niet zo veel wanneer je tussen twee meetpunten een verschil constateert.

De academische wereld heeft de afgelopen vijftien jaar veel energie gestoken om algoritmes te ontwikkelen die op basis van een beperkt aantal metingen toch de werklui naar de juiste plek kunnen sturen. ‘Het is een uitdagend probleem omdat er zo enorm veel gebeurt in zo’n netwerk’, legt Van Thienen uit. ‘De watervraag is immers stochastisch van aard; we weten nooit wanneer er iemand naar de wc gaat, dus dat signaal is al gecompliceerd. Dan kunnen er dingen gebeuren die lijken op een lek, zoals manipulaties van afsluiters die bijvoorbeeld verband houden met werkzaamheden of als iemand ineens een groot zwembad vult. Er zijn heel veel onzekerheden en grilligheden, en dat maakt de interpretatie van de metingen extreem ingewikkeld.’

Datasilo’s

Wat zijn de grootste uitdagingen in de digitaliseringsstap die waterbedrijven moeten zetten? ‘Een probleem waar we vaak tegenaan lopen, is datakwaliteit’, antwoordt Van Thienen. ‘Er worden heel veel gegevens verzameld, maar niet voor een specifiek doel en ze worden vaak niet gevalideerd. Als je met die data aan de slag wilt, is het daarom heel moeilijk om er zinnige dingen uit te halen.’

‘Verder er is sprake van datasilo’s’, vervolgt hij. ‘Gegevens die je samen zou willen interpreteren, zijn verspreid over verschillende systemen opgeslagen. Er is behoefte aan meer meetdata uit bijvoorbeeld het distributienetwerk, maar het is moeilijk om de benodigde investeringen te verantwoorden als je van tevoren niet duidelijk kunt maken wat ze gaan opleveren. Het is een kip-eisituatie.’

Een tweede probleem is iets dat in meerdere industrieën speelt, maar zeker ook in de watersector: de vergrijzing van het personeel. Veel kennis over de netwerken en installaties, en hoe ze moeten worden bediend onder nominale condities, maar zeker ook in crisissituaties, is alleen aanwezig in de hoofden van een paar ervaren rotten. ‘We doen bij KWR projecten waarin we numerieke optimalisatiealgoritmes toepassen op het ontwerp van drinkwaternetwerken’, vertelt Van Thienen. ‘Als je het netwerkgedrag wilt doorrekenen, dan moet je alle handelingen – ook die in ongebruikelijke omstandigheden – kunnen formaliseren. Maar die staan nergens op papier en zijn in geen enkele spreadsheet terug te vinden. Dat maakt het heel lastig om zo’n geavanceerde optimalisatietechniek toe te passen. De vergrijzing voltrekt zich nu, dus het staat als een paal boven water dat we nu alle kennis en knowhow in die datasystemen moeten stoppen.’

Kunstmatige intelligentie

Vooral in de drinkwaterwereld, maar ook breder in de watersector, is er sprake van een verouderende infrastructuur. Leidingen worden vaak voor een nominale levensduur van vijftig tot tachtig jaar aangelegd. In Nederland wordt gemiddeld een half tot een procent van de drinkwaterleidingen per jaar vervangen. Dat suggereert dat ze honderd tot tweehonderd jaar zouden moeten meegaan. In sommige gevallen klopt dat, maar in andere gevallen niet.

Helaas is het lastig te voorspellen waar en wanneer het misgaat. Dat komt omdat vaak zeer lokale factoren grote invloed hebben op het falen van een leiding. Waterbedrijven willen natuurlijk niet te vroeg maar ook niet te laat hun leidingwerk vervangen, dus ze zijn naarstig op zoek naar mogelijkheden om betere beslissingen te kunnen nemen. ‘Met kunstmatige intelligentie kun je alle beschikbare informatie samenbrengen om toch voorspellingen te doen over wanneer welke leiding zou kunnen falen en wanneer je welke leiding moet vervangen’, weet Van Thienen. ‘Aan de andere kant wordt er flink geïnvesteerd in inspectietechnieken met apparaten die door leidingen kunnen gaan om lokaal de conditie te monitoren.’ Als dergelijke technieken eenmaal wijdverbreid zijn, leveren ze bergen data op. De verwerking van al die gegevens is op zichzelf weer een uitdaging waar veel waterbedrijven nog niet klaar voor zijn.

Tot slot kaart Van Thienen nog een vierde uitdaging aan: de beschikbaarheid van water. ‘In Nederland hebben we dat al enigszins ervaren met de droge zomers van de laatste jaren, maar op andere plaatsen in de wereld is de situatie vaak veel nijpender. Met het veranderende klimaat, de bevolkingsgroei en de verdergaande urbanisatie gaat het waarschijnlijk steeds vaker voorkomen dat er waterschaarste ontstaat. Juist de digitale tools die we nu tot onze beschikking hebben, kunnen ons helpen om robuustere, veerkrachtige systemen te ontwerpen en om een echte crisis te voorkomen. Dat is een vitaal aspect in de digitalisering van de sector.’