Laatste nummer Neerslag

Magazine

Lees de artikelen uit Neerslag hier online!

Klik hier

Artikelen zoeken

 

KNW

Koningskade 40
2596 AA Den Haag
Telefoon 070 322 27 65
E-mail: info@waternetwerk.nl

Proces Data Management Systeem

Erik Knol, Klaas Appeldoorn, Rogier van Kempen

Een succesvol hulpmiddel voor het vergroten van de betrouwbaarheid van rapportages van zuiveringsinstallaties


Proces Data Management Systeem


Samenvatting
Vanaf 1 januari 2008 werkt Delfluent Services B.V. succesvol met een Proces Data Management Systeem. Het systeem is gericht op kwaliteitsborging van de procesdata van het zuiveringsproces en bestaat uit een geheel van procesbeschrijvingen, werkinstructies en databasebeschrijving. Het Proces Data Management Systeem is ontwikkeld door het Hoogheemraadschap van Delfland, Delfluent Services B.V. en Knol Training & Advies B.V. Het systeem is door Kiwa ge-audit als integraal onderdeel van het kwaliteitssysteem.


Inleiding
In de afgelopen jaren heeft bedrijfsinterne milieuzorg (BIM) een sterke ontwikkeling doorgemaakt bij bedrijven, instellingen en overheden. Er blijkt grote behoefte te bestaan aan een managementinstrument om de milieubelasting te beheersen en waar mogelijk te verminderen. Van het zuiveren van afvalwater wordt binnen het kader van de milieuwetgeving verwacht dat ook aan bedrijfsinterne milieuzorg wordt gedaan. Bij het zuiveren van afvalwater wordt veel gemeten en geanalyseerd, waarbij steeds meer eisen worden gesteld aan de nauwkeurigheid en betrouwbaarheid van de meetresultaten. De gemeten data worden gebruikt voor het sturen en optimaliseren van de zuiveringsgerelateerde processen, maar ook voor diverse interne en externe rapportages, bijvoorbeeld voor management informatie, (elektronisch) milieujaarverslag, CBS en de benchmark.

Het Hoogheemraadschap van Delfland (HHD) heeft vier afvalwaterzuiveringen (Houtrust, Harnaschpolder, De Groote Lucht en Nieuwe Waterweg) in haar beheersgebied met een totale ontwerpcapaciteit van ruim 2,1 miljoen vervuilingseenheden. De bedrijfsvoering van Houtrust en Harnaschpolder is tot en met 2033 uitbesteed aan Delfluent Sevices B.V. (DSBV). Beide partijen streven naar een verbeterde inrichting van de informatievoorziening rond het zuiveringsproces. Accurate procesdata van alle installaties zijn essentieel voor diverse interne en externe rapportages en tevens nodig voor financiële verrekeningen tussen HHD en DSBV. Vanaf 1 januari 2008 worden de data van Houtrust en Harnaschpolder met een Proces Data Management Systeem (PDMS) beheerd, vanaf 1 januari 2009 worden ook de data van De Groote Lucht en Nieuwe Waterweg beheerd met een PDMS.


Het project
In het kader van het samenwerkingsprogramma tussen HHD en DSBV is een project uitgevoerd met als doel de ontwikkeling van een PDMS. De projectgroep bestond uit medewerkers van HHD, DSBV en Knol Training & Advies B.V. Daarnaast bewaakte een stuurgroep de kwaliteit van de resultaten van het project. Binnen een periode van 6 maanden was het PDMS operationeel.
Het PDMS borgt de kwaliteit van de procesdata van de zuiveringsprocessen. De procesdata dienen nauwkeurig, betrouwbaar, gevalideerd en beschikbaar te zijn. Omdat de zuiveringen in het beheersgebied van het Hoogheemraadschap van Delfland het effluent op rijkswater lozen, is het PDMS eind 2007 gepresenteerd aan Rijkswaterstaat Directie Zuid Holland (RWS) en het Bureau Verontreinigingsheffing Rijkswateren. De opzet en uitvoering van het PDMS zijn door beide instanties positief beoordeeld. Concreet is afgesproken dat eventuele uitbijters uit de database verwijderd mogen worden, mits ze gerapporteerd worden in het (elektronisch) milieujaarverslag. Uiteraard dient hierbij voldoende onderbouwd te worden waarom de betreffende data als uitbijter beschouwd mogen worden.


Proces Data Management Systeem
In figuur 1 wordt het cyclische proces van de totstandkoming van informatie weergegeven. Aan de hand van de benodige informatie wordt vastgesteld welke ruwe data nodig zijn om de gewenste rapportages samen te stellen. Alle ruwe data worden vervolgens samengevoegd in een database, waarna controle en validatie van de ruwe data plaats vindt. Met de gevalideerde data wordt betrouwbare informatie voor diverse rapportages gegenereerd.
Om de kwaliteit en de betrouwbaarheid van de procesdata te waarborgen is een PDMS opgezet. Het systeem is het geheel van procesbeschrijvingen, werkinstructies en extra functionaliteit in de procesdatabase met als doel de betrouwbaarheid van data en rapportages te borgen (zie figuur 2). Hiervoor is het belangrijk dat:
• data gevalideerd zijn;
• eventuele wijzigingen om-kleed met reden in een logboek bijgehouden worden;
• rapportages geborgd zijn;
• de historie van data en rapportages bewaard blijft.

Proces Data Management begint bij de bron, bijvoorbeeld voor bemonstering en analyse:
• is de debietmeter gekalibreerd?
• is het monster correct genomen, bewaard en getransporteerd?
• is de analyse correct uitgevoerd?

Alle stappen moeten kloppen om uiteindelijk tot betrouwbare informatie te komen.
Gezien de enorme hoeveelheid data die in één maand tijd wordt verzameld is het noodzakelijk zoveel mogelijk data automatisch te controleren. Daarvoor is een tweetal functionaliteiten toegevoegd aan de procesdatabase, te weten een logische check bij het importeren van data en een statistische beoordeling. De logische check zorgt ervoor dat de data geen logische fouten bevatten. Hiermee wordt tijdens of voorafgaand aan het importeren van data gecontroleerd op enkele basisprincipes van het zuiveringsproces (bijvoorbeeld BZV is altijd kleiner dan CZV of ortho P is altijd kleiner dan totaal P). De statistische beoordeling is een combinatie van automatische controle en handmatige controle. Aan het eind van een maand wordt een statistische beoordeling gedaan van alle data door middel van een 2 en 98 percentiel toets over een periode van 3 maanden. De correcte data, tussen 2 en 98% worden automatisch goedgekeurd. Eventuele potentiële uitbijters, kleiner dan 2% en groter dan 98%, worden nader procestechnologisch beoordeeld. Bij die beoordeling wordt rekening gehouden met bijzonderheden bij monstername, procesvoering, weersinvloeden, trendlijnen, debieten en vrachten. Tevens worden zoveel mogelijk resultaten van het geaccrediteerd laboratorium, het laboratorium van de zuiveringsinstallaties en de online meetapparatuur met elkaar vergeleken.


Voorbeelden
Om te laten zien hoe de data beoordeeld worden, zijn twee voorbeelden uit de praktijk beschreven.
Voorbeeld 1: Uitbijter lage effluentconcentratie stikstof Kjeldahl
Zowel aan de onderkant als aan de bovenkant worden potentiële uitbijters gedetecteerd. In figuur 3 is te zien dat op dag 13 de concentratie stikstof Kjeldahl erg laag is, < 0,5 mg/l. Op dezelfde dag is de concentratie ammonium hoger dan de concentratie stikstof Kjeldahl, wat in principe onmogelijk is. Hierdoor is één van beide concentraties een uitbijter.
De uitbijter aan de onderkant kwam naar boven tijdens controle met de logische check. Aangezien de ammonium concentratie hoger is dan de stikstof Kjeldahl concentratie is het laboratorium verzocht een heranalyse uit te voeren. De gemeten concentratie stikstof Kjeldahl op dag 13 was niet reëel. Deze waarde wordt uit de database geschrapt en vervangen door de concentratie gemeten in de heranalyse (2,4 mg/l).

Voorbeeld 2: Uitbijter hoge influentconcentraties CZV, BZV en zwevend stof
De afwijkingen in dit voorbeeld zijn door het toepassen van de 2 en 98 percentieltoets naar voren gekomen. Figuur 4 toont de concentraties van CZV, BZV en zwevend stof in het influent en figuur 5 toont het verloop van het debiet.
De hoge concentraties CZV, BZV en zwevend stof op dag 12 lijken potentiële uitbijters. Vanaf dag 10 is in de grafiek van het debiet een dalende trend waar te nemen (figuur 5). De verhoogde gehaltes lijken derhalve niet te zijn veroorzaakt door het opwoelen van opgehoopt vuil in de riolering tijdens een regenbui of door extreme uitspoeling van slib. Nader onderzoek naar de monstername wees uit dat het bemonsteringsvat door een verstopping overgelopen was. Het vat functioneerde daardoor als bezinker waardoor zwevende stof werd opgehoopt. Hiermee zijn de hoge concentraties voor CZV, BZV en zwevend stof verklaard. Het monster was dus niet representatief en had niet genomen moeten worden. Het gehele monster wordt gezien als uitbijter en uit de database geschrapt.


Eerste ervaringen
DSBV werkt ongeveer een half jaar met het PDMS. Alle veranderingen in de structuur van de database (formules en dergelijke), de data en de rapportages zijn vastgelegd. Hierdoor is eenduidig te herleiden wanneer en waarom een aanpassing heeft plaats gevonden. Ook wordt een uitgebreid logboek bijgehouden van alle 2 en 98% afwijkingen inclusief een verklaring ter onderbouwing. Het logboek dient als input voor mogelijke verbetertrajecten die moeten leiden tot optimalisatie van het verkrijgen van ruwe data en het zuiveringsproces. Door de gestructureerde aanpak blijkt het gebruik van het PDMS in de praktijk geen extra tijdsinspanning te vergen. Aangezien het PDMS onderdeel is van het kwaliteitssysteem kan de werkwijze op een willekeurig moment worden ge-audit. Omdat eventuele veranderingen worden verantwoord en inzichtelijk geregistreerd, is de betrouwbaarheid van data verhoogd en worden onnodige discussies voorkomen.


Concluderend
Op basis van de eerste ervaringen met het PDMS zijn de volgende conclusies getrokken:
• als eerste stap bij de controle van de grote hoeveelheid data is statistische data-analyse een noodzakelijk hulpmiddel;
• na statistische analyse moet aan de hand van procestechnologische kennis, logboeken van de monsterneming en dergelijke nader worden onderzocht of de waarde al dan niet daadwerkelijk een uitbijter is;
• door het verwijderen van uitbijters aan zowel de onder- als bovenkant worden de dataset en rapportages betrouwbaarder;
• door snelle signalering van potentiële uitbijters kunnen tijdig acties worden genomen zoals bijvoorbeeld een heranalyse of een extra monstername;
• door consequent gebruik van kwaliteitsprocedures wordt de betrouwbaarheid van procesdata gewaarborgd;
• het PDMS kan integraal onderdeel zijn van een kwaliteitssysteem zoals ISO 9001;
• alle betrokken partijen, HHD, DSBV en Rijkswaterstaat oordelen positief over de tot dusver behaalde resultaten.

Erik Knol, Knol Training & Advies B.V.
Klaas Appeldoorn, Hoogheemraadschap van Delfland.
Rogier van Kempen, Delfluent Services B.V.

Nawoord
Dit artikel is in augustus 2008 geschreven. Op dit moment lopen een tweetal nieuwe projecten waarin procesdatamanagement een belangrijke rol vervuld.
In Stowa verband wordt in het project ‘Uniformeren van meten, bemonsteren en dataverwerking van afvalwaterstromen van rwzi’s’ een algemene handreiking voor onder andere datamanagement opgezet. Dit project is een initiatief vanuit het Landelijk Technologen Platform. In de begeleidingscommissie zijn naast technologen, Rijkswaterstaat (BVR en Handhaving), Handhaving van waterschappen en de Unie van Waterschappen vertegenwoordigd. Het doel is om tot uniforme handreiking te komen voor meten, bemonsteren en dataverwerking.
 
Procesdatamanagement wordt op dit moment ook geïmplementeerd bij het Waterschap Vallei & Eem. Dit project vindt tegelijkertijd plaats met de update en centralisatie van het dataopslagsysteem. Dit is een goed moment om de kwaliteitsprocedures te actualiseren en uitgebreide validaties op de datareeksen toe te passen. In eerste instantie wordt het procesdatamanagement als pilot opgezet voor rwzi Renkum. Na het afronden van de pilot is een optimalisatie- en evaluatieperiode gepland. Daarna wordt het systeem geïmplementeerd voor de overige zuiveringen. Tijdens het project worden alle stappen geanalyseerd waar data vrijkomen tot en met het rapporteren van informatie.

Erik Knol, Knol Training & Advies B.V.

Neerslag 3-2009