Van inspecteren naar voorspellen

In dit artikel:

Nederlandse bruggen verouderen, waardoor beheerders steeds vaker moeten beslissen over onderhoud, renovatie, vervanging of verkeersbeperkingen. TNO onderzoekt in het Predictive Twin Lab of sensoren, constructiemodellen, cloudcomputing en machine learning kunnen helpen om de resterende veiligheid en levensduur beter te bepalen.

Nu zijn periodieke inspecties en constructieve veiligheidsberekeningen de belangrijkste hulpmiddelen. Sensoren in het wegdek en de draagconstructie kunnen aanvullen hoe een brug daadwerkelijk vervormt onder auto- en vrachtverkeer. Die gegevens worden verwerkt in een digitale tweeling: een model dat niet alleen de actuele toestand weergeeft, maar ook moet helpen voorspellen hoe de constructie zich ontwikkelt.

Ingenieurs blijven daarbij noodzakelijk. Zij bepalen op basis van inspecties welke metingen en berekeningen nodig zijn. Het afleiden van verkeersbelastingen uit sensordata werkt inmiddels goed, maar het is nog moeilijk om uit gemeten vervormingen betrouwbaar de actuele stijfheid en sterkte van een brug te bepalen. Daarvoor zijn nieuwe rekenmethoden, veel cloudberekeningen en machine learning nodig. Die technologie selecteert welke eigenschappen van het constructiemodel het beste bij het gemeten gedrag passen, maar voorspelt niet zelfstandig wanneer een brug bezwijkt.

Grootschalige toepassing staat nog voor verschillende uitdagingen. Sensoren moeten goedkoper en eenvoudiger te installeren worden; videometingen kunnen daarbij een alternatief zijn. Ook moeten de methoden wetenschappelijk worden gevalideerd, gestandaardiseerd en genormeerd. Daarnaast zijn historische gegevens van beheerders vaak moeilijk vindbaar, toegankelijk of uitwisselbaar, terwijl zulke informatie nodig is om de conditie van een brug over de hele levensduur te volgen.

De haven van Antwerpen-Brugge laat zien dat digitale tweelingen al operationeel kunnen zijn. Het systeem Apica combineert sinds 2022 gegevens van onder meer 460 camera’s, 22 radars, drones en sensoren in een 2D- en 3D-omgeving. Het ondersteunt vooral nautische veiligheid, maar kan ook afwijkingen aan wegen, bruggen en sluizen signaleren. Door databronnen te combineren kunnen beheerders problemen eerder opsporen en ingrijpen voordat kostbare storingen ontstaan.