Drinkwaterbedrijf Vitens brengt in zijn waterleidingnet grote aantallen sensoren aan die onder andere de druk, stroomsnelheid en waterkwaliteit continu meten. Slimme analyse van deze enorme stroom aan meetgegevens verschaft het bedrijf meer inzicht en controle. Een gesprek met Jan Gooijer van Vitens en Arjen van Wijngaarden van Anchormen.

“Sensoren in ons drinkwaternet zijn niet nieuw”, vertelt Gooijer. “We gebruiken ze sinds 2012, maar tot voor kort was het aantal sensoren gering. Bovendien deden we relatief weinig met de meetgegevens. Een paar jaar geleden bedachten we dat we waarschijnlijk veel meer informatie uit de data zouden kunnen halen dan we tot dan toe deden. Daarom hebben we eind 2015 via LinkedIn een soort wedstrijd uitgeschreven, een open data challenge. Voor deze wedstrijd hebben we vijf gigabyte aan gegevens beschikbaar gesteld, waarna we data-analisten hebben gevraagd ons te laten zien welke kansen die gegevens van onze druk-, flow-, waterniveau- en waterkwaliteitssensoren bieden om onze bedrijfsvoering te verbeteren. Circa dertig partijen hebben onze data geanalyseerd en hun ideeën ingezonden. De inzending van de data-analisten van Anchormen sprak ons het meest aan.”

Patronen herkennen

“Voor de challenge hebben we krachtige en geavanceerde data-technieken ingezet om patronen in de complexe dataset te herkennen”, zegt Van Wijngaarden. “Op basis van onze analyses zagen we bijvoorbeeld heel duidelijk een dag- en weekpatroon. Tegelijkertijd wisten we niet echt wat we zagen, omdat je daarvoor inhoudelijke kennis nodig hebt van onder andere het drinkwaterdistributieproces en de processen die tot veranderingen van de watersamenstelling leiden. Dit laat zien dat je voor een zinvolle analyse van big data altijd zowel datawetenschappers als inhoudelijke specialisten nodig hebt. Alleen dan kun je je bedrijfsvoering echt verbeteren. Door onze analyse te combineren met de inhoudelijke kennis binnen Vitens konden we bijvoorbeeld aantonen dat een afsluiter dichtstond, terwijl hij open leek te staan.”

Proefprojecten

Gooijer: “De inzending van Anchormen bevestigde ons vermoeden dat we onze bedrijfsvoering konden verbeteren door slim gebruik te maken van big data. Daarom hebben we dit bedrijf gevraagd om samen met ons proefprojecten uit te voeren om de mogelijkheden in beeld te krijgen. Als eerste hebben we een proef gedaan rond Leeuwarden, waar we al relatief veel sensoren in het drinkwaternet hadden aangebracht. Bij deze proef hebben we gekeken naar de watersamenstelling. Als Vitens dachten we dat deze heel constant was, maar de data-analyse liet zien dat de samenstelling behoorlijk varieert. Die variatie wordt onder meer veroorzaakt doordat we het Friese drinkwaternet voeden vanuit vijf verschillende drinkwaterproductiebedrijven. Elk bedrijf produceert water met een specifieke samenstelling. Met de waterkwaliteitssensoren kunnen we het water van ieder productiebedrijf afzonderlijk detecteren. Door deze kwaliteitsgegevens te combineren met gegevens over de stroomsnelheid in het leidingnetwerk, kunnen we ook zien hoe het water zich door het netwerk beweegt. En dat blijkt vaak anders te gaan dan we dachten. Zo viel op dat het drinkwater niet altijd de kortste route volgt van bron naar afnemer. Daardoor verblijft het water langer in het netwerk en kan er ongewenste biologische activiteit optreden die uiteindelijk tot bruin water kan leiden. Nu we dat weten, kunnen we bepaalde afsluiters dichtzetten om ervoor te zorgen dat water de snelste route volgt en zo kort mogelijk in het netwerk zit. Ook kunnen we het transport optimaliseren, zodat we ons bestaande netwerk efficiënter gebruiken.”

‘Als Vitens dachten we dat de watersamenstelling heel constant was, maar de data-analyse liet zien dat de samenstelling behoorlijk varieert.’

“Doordat we de watersamenstelling in ons netwerk nu continu kunnen volgen, dienen zich nieuwe kansen aan”, aldus Gooijer. “We kunnen afnemers bijvoorbeeld vooraf waarschuwen als de waterkwaliteit tijdelijk iets minder is. Ook kunnen we onze zakelijke klanten een vaste waterkwaliteit gaan garanderen. Zuivelfabrieken stellen bijvoorbeeld hoge eisen aan de hardheid van het water. Als we straks zien dat er een pakketje water met een andere hardheid richting een zuivelfabriek gaat, kunnen we de betreffende leiding even afsluiten en het water naar afnemers voeren die minder last hebben van variaties in kwaliteit.”

Lekdetectie

“Een ander proefproject betrof lekdetectie. Door de meetgegevens van druksensoren continu te monitoren, kunnen we grote lekken – waarbij per uur meer dan vijftien duizend liter water weglekt – snel signaleren. Voor kleinere lekken hebben we ook een detectiemethode gevonden. Daarvoor kijken we per balansgebied – bijvoorbeeld een wijk met vijfhonderd woningen – naar het waterverbruik tussen twee en drie uur ‘s nachts. Het verbruik is dan laag en heel constant. Als je dit nachtverbruik langere tijd volgt en ziet dat het in de loop van de tijd geleidelijk toeneemt, dan weet je dat er ergens in het gebied een lek zit. Op deze manier hebben onze operators een tijdje terug een lek in Beetsterzwaag ontdekt.”

“Als je weet dat er ergens een lek in het netwerk zit, dan kun je de globale locatie van het lek bepalen door tijdelijk extra drukmeters te plaatsen of door slim te ‘spelen’ met afsluiters”, legt Gooijer uit. “Vroeger ging je dan vervolgens om de honderd meter graven om de exacte locatie van het lek te vinden. Nu gebruiken we meestal een drone met een infraroodcamera die temperatuurverschillen waarneemt. Het weglekkende water zorgt in de winter lokaal voor een hogere en in de zomer voor een lagere bodemtemperatuur.”

Black box

“Het op deze manier benutten van big data zorgt ervoor dat het distributienetwerk voor Vitens niet langer een black box is”, legt Van Wijngaarden uit. “Door de data met slimme algoritmen te analyseren, krijgt het bedrijf inzicht in het functioneren van het leidingennetwerk en kan het gericht gaan sturen. Natuurlijk moet je als bedrijf wel voor elke toepassing vooraf een goede afweging maken tussen de benodigde investering en de verwachte baten. Hoeveel sensoren moet je bijvoorbeeld aanbrengen en welke voorzieningen op IT-gebied zijn nodig? Zo heb je een snelle internetverbinding nodig als je afsluiters realtime wilt bedienen. Wat dat betreft is de werkwijze die Vitens volgt, met eerst een proof of concept, dan een pilot in een deel van het verzorgingsgebied en vervolgens het uitwerken van een businesscase, erg raadzaam.”

“Los daarvan is het goed om te beseffen dat het benutten van big data meer omvat dan het plaatsen van sensoren en het ontwikkelen van algoritmen. Zo veranderen ook de werkprocessen, wat in eerste instantie vaak tot weerstand leidt. Dat betekent dat je veel tijd moet steken in het begeleiden van mensen en moet laten zien dat data-analyse vooral gebruikt wordt als beslissingsondersteunend instrument en ervoor zorgt dat er minder routinematige handelingen nodig zijn.”