Brandstofmetingen in de bouw en infra: De Nieuwe Methode

Brandstofmetingen in de bouw en infra: De Nieuwe Methode

Bij brandstofmetingen in de bouw en infra is veel winst te behalen, met name bij het afvullen. Op locatie heb je brandstof nodig om de machines bij te tanken. Graafmachines, bronbemalingsapparatuur, heaters, aggregaten en trilmachines hebben allemaal brandstof nodig. Nu wordt er meestal periodiek afgevuld.

Het probleem met periodiek afvullen is dat het meestal te vroeg of te laat gebeurt. Ben je te vroeg, dan hoeft er nauwelijks wat bijgevuld te worden. Ben je te laat, dan moet je halsoverkop na ontvangst van een melding op locatie afvullen. Beiden gaan gepaard met onnodige kosten. Dat komt omdat je op afstand geen zicht hebt op de omstandigheden op locatie. Die kunnen divers zijn: de medewerker die de graafmachine bedient is ziek, of de medewerker draait overuren, of er is een tweede graafmachine bijgekomen om de klus sneller te klaren. Dit soort situaties hebben invloed op het brandstofverbruik.

In tegenstelling tot periodiek afvullen, ben je met nieuwe technologie precies op de hoogte van de actuele brandstofstand.

Afvullen met behulp van Nieuwe Technologie

Dé oplossing is de nieuwste communicatie technieken in combinatie met een krachtig apparaat, dat inzicht geeft in de hoeveelheid brandstof in de tank. Die bijhoudt: er wordt zoveel brandstof gebruikt, dus op die datum moet er worden afgetankt. En die jou daar automatisch over bericht.

Xeelas biedt deze oplossing aan bedrijven die heel gericht brand- en vloeistoffen willen meten en afvullen. Wij bieden IoT plus een ultrasone meting, een tiltsensor, een lange batterijduur en stevige hardware.

1.Ultrasone meting

Een ultrasone meting komt overeen met de echolocatie van vleermuizen. Zoals een vleermuis voorwerpen lokaliseert door geluid uit te zenden, zo zendt onze sensor een piepsignaaltje uit. De afstand van de brandstofkolom bepalen wij aan de hand van het signaaltje dat terugkomt.

Een bijkomend voordeel van deze nieuwe technologie is dat de inbouwtijd zeer beperkt is: na het plaatsen van de sensor begint het apparaat direct met meten .

2.Tilt sensor

De ultrasone meting moet onder alle omstandigheden juist zijn, ook als de tank scheef staat. In het veld zijn de omstandigheden vaak niet optimaal; tanks worden in de meest ruwe terreinen geplaatst. Er mag dus niet worden verwacht dat een tank altijd netjes vlak staat. Daarom installeren wij een tilt sensor in het kastje op de tank. Die sensor meet hoe scheef het kastje staat. En zo weten wij, ondanks de scheefstand, exact hoeveel brandstof er inzit.

3.Lange batterijduur

De batterij van het apparaat moet lang meegaan. De X-com solar van Xeelas is een duurzame track en monitoring unit. Wij maken gebruik van energy harvesting en plaatsen een klein zonnepaneeltje op de transmitter waardoor de batterij ongeveer 15 jaar meegaat. In een eerdere blog, Xeelas brengt ruimtevaarttechnologie naar de bouwplaats, schreven wij over dit bijzondere stukje technologie.

4.Stevige hardware

De hardware die op de tank zit moet voor bouw en infra toepassingen geschikt zijn. Wij gebruiken hardware die stootbestendig en waterdicht is.

Maakt jouw organisatie nog gebruik van periodiek afvullen? Bespaar dan nu kosten en ga aan de slag met de nieuwe methode. De ultrasone sensor is gemakkelijk in te bouwen, vele malen goedkoper dan de huidige manier van werken, en omdat wij het kastje voor de zware industrie hebben ontworpen, is het bestand tegen alle omstandigheden. Daarnaast lokaliseer jij gemakkelijk jouw tanks met GPS.

Wil jij meer weten over hoe wij jou van dienst kunnen zijn met brand- of vloeistofmetingen? Neem contact met ons op voor een oriënterend gesprek.

Profiteert jouw bedrijf van Machine Learning?

Profiteert jouw bedrijf van Machine Learning?

Machine Learning – algoritmes die van mensen leren, data begrijpen en de juiste conclusies trekken. Het biedt ongekende mogelijkheden. Ben jij al bekend met wat Machine Learning voor jouw organisatie kan betekenen?

In deze blog een illustratie aan de hand van een case. Daarna leggen wij kort uit hoe jij aan de slag gaat met Machine Learning en wat het oplevert.

Geen versus wel Machine Learning voor jouw vloot

Om een bouwput droog te houden, wordt gebruik gemaakt van bronbemalingspompen. In de huidige situatie moet periodiek onderhoud voorkomen dat er storingen en defecten optreden. Mocht er toch een storing plaatsvinden, dan is het meestal de klant die deze constateert en belt met een klacht. Vervolgens repareert een monteur de pomp zo snel mogelijk.

Het nadeel van deze manier van werken is dat het onnodige kosten met zich meebrengt: wellicht vervangt de monteur tijdens het periodiek onderhoud uit voorzorg onderdelen die eigenlijk nog niet vervangen hoeven te worden. Daarnaast drijven storingen en defecten de kosten op en hebben zij een negatieve impact op de klanttevredenheid.

Het kan beter! Met Machine Learning beheer jij slimmer en kostenbesparend jouw vloot.

Wij lichten dit toe door nog even te blijven bij de elektrisch aangedreven bemalingspomp.

Een organisatie die gebruikt maakt van Machine Learning meet de stroom die de pomp gebruikt – dit is namelijk een indicatie of de pomp optimaal functioneert. Wanneer er iets met de pomp aan de hand is, fluctueert het stroomverbruik. Door continu te meten hoeveel energie de pomp verbruikt, kunnen wij tot in detail zien wat er in het veld gebeurt en wanneer er iets niet klopt. Bijvoorbeeld, wanneer de pomp wordt geblokkeerd of als er sprake is van een lekkage of verstopping.

Met Machine Learning kunnen we niet alleen van pompen, maar van alle industriële machines zien hoe ze in het veld functioneren. Denk hierbij aan koelcontainers, aggregaten, heaters en koelers.

Aan de slag met Machine Learning

Wil jij precies weten wanneer er iets niet klopt met jouw industriële machines, zodat je storingen en defecten kunt voorkomen? Wij leggen kort uit hoe het werkt.

1. Het verkrijgen van de data
Allereerst verzamelt Xeelas de data. Wij sluiten de machine aan en meten het gedrag van de asset nauwkeurig. Vanaf het begin werken wij nauw met jou samen want de (business)kennis die jij in huis hebt is onmisbaar. Alle relevante business input verwerken wij in het algoritme.

2. Het identificeren van patronen

Vervolgens traint Xeelas het algoritme om normale en afwijkende events in het patroon te herkenen. Zo wordt helder wat het patroon is als de machine naar behoren en niet naar behoren functioneert. De twee patronen leggen wij naast elkaar.

3. Gerichte acties en voorspellend onderhoud

Jouw organisatie kan met Machine Learning veel gerichter werken door het continu monitoren van de machine en het direct oppikken van afwijkende patronen. Machine Learning is een opstap naar voorspellend onderhoud. Jij krijgt continuïteit in de operatie; jij kunt garanderen dat jouw machines in het veld altijd goed opereren.

Maakt jouw organisatie nog geen gebruik van Machine Learning? Dan is het verstandig om daar spoedig mee aan de slag te gaan. Pak nu jouw concurrentievoordeel met Machine Learning. Neem hiervoor contact op met Xeelas. Onze professionals gebruiken hun technische expertise graag om jouw bedrijf te laten groeien.