Hoe kom je tot 100% voorspelbaar onderhoud van infrastructuur?

Geen euro te veel uitgeven aan het onderhoud van infrastructuur én het benodigde onderhoudsbudget voor de komende jaren nauwkeurig kunnen voorspellen, zonder dat je verrast wordt door storingen, noodzakelijk ongepland onderhoud of zelfs constructief falen. Kortom, als beheerder volledig in control zijn door continu de optimale balans te houden tussen de prestaties, risico’s en kosten van het areaal. 100% voorspelbaar onderhoud is het ultieme scenario. In werkelijkheid is het echter onmogelijk en zal dit ook met alle toekomstige innovaties een utopie blijven. We komen wel steeds dichterbij. Iv-Groep heeft hier de DREAM methode voor ontwikkeld: Datagedreven Risicogestuurd Enterprise Asset Management.

In Nederland liggen 85.000 bruggen en viaducten, 83.000 duikers, 2.400 kilometer kades en 7.800 gemalen. Alle civiele infrastructuur samen is meer dan 300 miljard euro waard. Momenteel bedragen de jaarlijkse kosten voor vervanging ruim 1 miljard euro per jaar. De verwachting is dat deze kosten de komende 20 jaar met een factor 3 tot 4 zullen toenemen. Over 30 jaar lopen ze waarschijnlijk op naar 4 à 6 miljard euro per jaar. En dat bovenop de kosten van circa 7 miljard euro per jaar voor instandhouding van bestaande infrastructuur. Dat blijkt uit het TNO rapport ‘Instandhouding civiele infrastructuur, Proeve van landelijk prognoserapport vervanging en renovatie’ (d.d. 29 april 2021).

Als we in ogenschouw nemen dat overheden in toenemende mate moeten bezuinigingen op (het onderhoud aan) fysieke infrastructuur, staan we de komende decennia voor een interessante uitdaging. Een uitdaging die vraagt om een slimme(re) aanpak en innovaties. 

De termen ‘Enterprise Asset Management’ in DREAM duiden het organiseren van onderhoud aan de fysieke assets van een organisatie gedurende de gehele levenscyclus van elke asset. Typische voorbeelden van deze assets zijn bruggen, tunnels, kades, sluizen, stuwen, gemalen, in- en uitlaten, stormvloedkeringen en (vaar)wegen. Door onderhoud risicogestuurd in te steken, wordt getracht debacles met bijvoorbeeld afgesloten of ingestorte bruggen te voorkomen. Hiertoe wordt de risicoanalyse-methodiek FMECA (Failure Mode, Effect and Criticality Analysis) toegepast. De basis is een areaal-specifieke systeemdecompositie, opgezet volgens de structuur en terminologie van deel 4 van de NEN 2767 norm voor conditiemetingen. Vervolgens wordt, vaak samen met de beheerder, elk element of bouwdeel geanalyseerd op mogelijke afwijkingen van de beoogde functie(s), inclusief de mogelijke oorzaken en effecten in termen van de bedrijfswaarden (zoals veiligheid, bereikbaarheid, kosten, milieu en imago). Hierbij maakt Iv-Infra gebruik van een eigen gevalideerde databank met honderden mogelijke faalmechanismen. Deze databank is in de afgelopen 15 jaar gevoed met risicoanalyses en inspecties van infrastructurele systemen wereldwijd.

De criticality wordt vervolgens bepaald door de (semi-)kwantitatieve omvang van het risico van elk van de faalmechanismen, die op zijn beurt wordt gevormd door de ernst van de effecten in combinatie met de kans van optreden. Voor het inschatten van deze kans van optreden wordt gebruik gemaakt van beschikbare informatie over het stichtingsjaar, historische gebruik en (daarmee grotendeels) de belastingen tot nu toe, onderhoudshistorie, eventuele reparaties, versterkingen of modificaties in het verleden, het theoretische verloop van het faalmechanisme in de tijd, inspectieresultaten en de (vermoedelijke) huidige staat van het onderdeel. 

Vervolgens wordt dit vertaald in een kansdichtheidsfunctie voor het faalmoment van het specifieke faalmechanisme via data-analyse, expertschattingen of door gebruik te maken van een in DREAM voorgeprogrammeerde faalcurve voor het verwachte faalmoment, aangevuld door een kwantitatieve of voorgeprogrammeerde inschatting van de standaarddeviatie. Met deze kansdichtheidsfunctie, in combinatie met de effecten in termen van de bedrijfswaarden, wordt het risicoprofiel van de asset als functie van de tijd bepaald. Door dit risicoprofiel langs de risicoacceptatie-lat conform de bedrijfswaardenmatrix van een organisatie te leggen, kan voor elke asset het optimale onderhoudsmoment worden bepaald. Met een specifieke onderhoudsstrategie worden de prestaties van het areaal tegen de laagst mogelijke kosten met een acceptabel risicoprofiel geborgd.

100% voorspelbaar onderhoud blijft een utopie, omdat het verwachte faalmoment van een asset nooit met zekerheid kan worden bepaald. We zijn immers onzeker over de huidige (constructieve) sterkte van een asset en kunnen hooguit een schatting maken van de opgetreden belastingen. Nóg minder is te zeggen over toekomstige belastingen. We kennen het faalgedrag in de tijd niet precies en soms weten we ook niet hoe oud een asset is. De mate van onzekerheid vertaalt zich in een standaarddeviatie rondom het verwachte faalmoment. Hoe onzekerder we zijn, hoe breder de kansdichtheidsfunctie rondom het verwachte faalmoment en hoe groter de kans dat het daadwerkelijke faalmoment eerder optreedt dan verwacht. 

Hier wordt het Datagedreven aspect in DREAM relevant. Wanneer de onzekerheid over het faalmoment wordt veroorzaakt door gebrek aan kennis over de belastingen of sterkte van een asset, helpt het om zoveel mogelijk relevante data te verzamelen. Dit kan door inspecties en het meten en monitoren met sensoren (trillingsmeters, drukmeters, rekstroken, inclinometers, etc.). Door de data te bewerken met ‘slimme’ algoritmen en vervolgens door specialisten met domeinkennis te laten interpreteren, wordt deze data omgezet in informatie over de assets, waarmee het verwachte faalmoment nauwkeuriger kan worden ingeschat. Nog niet met 100% voorspelbaarheid uiteraard, maar het leidt meestal wel tot een lager risicoprofiel, waardoor onderhoud kan worden uitgesteld. 

Zo biedt Iv-Infra met DREAM op een data-gedreven en risicogestuurde manier handvatten voor zowel een aantoonbaar optimale onderhoudsstrategie met het oog op de prestaties, risico’s en kosten, als voor het bepalen van een aantoonbaar optimale strategie voor het inspecteren, meten en monitoren van fysieke assets.