Chemelot wil in 2025 de veiligste, meest competitieve en duurzame chemiesite van West-Europa zijn. Om dat te bereiken lopen binnen Brightsite’s programmalijn 4 ‘Securing integral process safety and societal acceptance’ verschillende projecten. Met ‘BLIC vooruit’ richten we ons op de ontwikkeling van een voorspellend model voor procesveiligheid. Met het afsluiten van de Safety Deal in december 2022 kan Brightsite aan de slag met onderzoek en het verzamelen van data bij meerdere bedrijven. Envalior (voorheen DSM Engineering Materials) is één van de deelnemende bedrijven.
“BLIC vooruit – Beter Leren van Informatie in de Chemie door vooruitkijken – is een initiatief dat we gestart zijn naar aanleiding van goede resultaten van een eerder Brightsite project naar procesveiligheid, uitgevoerd met het bedrijf AnQore. Er is veel data uit fabrieken beschikbaar, helaas gebruiken we daar momenteel slechts een klein gedeelte van. Dat is zonde, en daarom kijken we of en hoe we van deze data gebruik kunnen maken om de veiligheid van processen te optimaliseren. Idealiter wil je hiermee incidenten kunnen voorspellen en voorkomen”, vertelt Esta de Goede, senior consultant bij Sitech en Program manager van Brightsite’s programmalijn 4.
Johan van Middelaar, senior adviseur Veiligheid & Milieu bij TNO:
“Het toepassen van AI voor procesveiligheid is vernieuwend in de veiligheidskunde.”
Van achteruitlopen naar vooruit kijken
Het voorkomen van incidenten is nu vooral gericht op het naderhand verklaren waarom en hoe een incident heeft kunnen plaatsvinden, er wordt nog maar weinig onderzoek gedaan naar voorspellende modellen voor incidenten. “In ons eerdere project hebben we gekeken of het lukt om verborgen patronen in veiligheidsdatasets te identificeren met behulp van artificial intelligence (AI). Patronen die door mensen niet worden gezien. We willen dit nu breder trekken en verder ontwikkelen. We starten met een consortium van tien partijen om informatie uit fabrieksdata te halen en een voorspellend model te ontwikkelen”, legt De Goede uit.
“Het kunnen voorspellen en voorkomen van incidenten is de droom waar we naartoe werken. We kijken nog steeds veel achteruit en leren van incidenten die in het verleden zijn gebeurd. Terwijl we willen vooruitkijken naar processen of situaties waar we risico’s kunnen verwachten, zodat we daarop kunnen anticiperen. Met behulp van AI is het mogelijk om van allerlei soorten data te leren, niet alleen van incidenten. Een voorafgaand project toonde aan dat het haalbaar is om zwakke signaleren te identificeren in tekst, waarbij het ging om één databron van één bedrijf met één AI-techniek.
Met BLIC vooruit gaan we breder leren, met meer soorten data en bij meer bedrijven. Een handreiking hoé je dat moet doen, en een overzicht van verschillende soorten AI-technieken die tegenwoordig beschikbaar zijn, gaan we in dit project inventariseren en uitproberen”, benadrukt Johan van Middelaar,
senior adviseur Veiligheid & Milieu bij TNO.
Van doorbraak naar blauwdruk
“We hebben aangetoond dat modelleren met behulp van AI mogelijkheden biedt om de veiligheid in de chemische industrie te verbeteren, een doorbraak. Nu is het moment aangebroken om te versnellen, vandaar dat we met meerdere partijen aan de slag gaan binnen BLIC vooruit. Met als doel een handreiking te maken; een stappenplan waarmee andere partijen direct aan de slag kunnen en het wiel niet opnieuw hoeven uit te vinden. Belangrijk hierbij is dat we rekening houden met de mensen die uiteindelijk met de systemen gaan werken, zoals procesoperators in de fabrieken. Daarom wordt er vanaf de werkvloer meegedacht over het model, zodat het nuttig en bruikbaar is”, zegt De Goede. “Het vraagt een andere manier van kijken en leren door experimenteren.. De ervaringen vastgelegd in de handreiking worden actief openbaar gedeeld en ik verwacht dat ook bedrijven buiten de chemische industrie dit heel interessant zullen vinden”, vult Van Middelaar aan.
Martin Dokter, Business Excellence automatisering en digitalisering Operations bij Envalior:
“We zijn bezig met pure innovatie en dat kost tijd.”
Pilot met Envalior
Envalior (voorheen DSM Engineering Materials ) is een van de bedrijven op de Chemelot site die meewerkt aan BLIC vooruit. “We merken dat veel ervaring verloren gaat door uitstroom van ervaren operators. Natuurlijk zit hun kennis over incidenten in rapporten opgeslagen, maar het is fijn dat AI de mogelijkheid biedt om dingen die in het verleden gebeurd zijn sneller terug te vinden. Zodat we uiteindelijk kunnen voorspellen of er iets mis kan gaan, dat zich al eerder heeft voorgedaan. Een droom die uitkomt. We zijn als bedrijf in dit traject gestapt, omdat bij Envalior veiligheid topprioriteit heeft. We willen op dit vlak vooroplopen. De medewerkers zijn bovendien enthousiast over computersystemen en het past bij deze tijd om de mogelijkheden van voorspellen met behulp van AI uit te zoeken”, stelt Heiko Ilgner, Chef van dienst en leidinggevende van de operators bij Envalior. “We hebben als bedrijf ook zelf al gekeken wat we meer zouden kunnen doen met de informatie die we voor handen hebben, maar dat blijkt niet makkelijk. BLIC vooruit is een mooi initiatief en we hebben dan ook meteen aangegeven dat we mee wilden doen”, voegt Martin Dokter, Business Excellence automatisering en digitalisering Operations bij Envalior, toe.
“Om het einddoel van een goede handreiking te bereiken moeten we het model voeden met ervaringen. Het is mooi om te zien dat de wens om veiligheid voorop te stellen en daar innovatief mee bezig te zijn bij Envalior echt in het DNA zit. Naast Envalior leveren ook AnQore, SABIC en CSP BV (Chemelot Site Permit) data aan. Ze bepalen zelf welke databronnen ze aanleveren. Daarin gaan we op zoek naar kenmerken die toegevoegde waarde hebben bij het voorspellen van incidenten”, aldus De Goede.
Heiko Ilgner, Chef van dienst bij Envalior:
“De computer bewaakt het proces en wij bewaken de computer.”
Het model moet leren
“De individuele bedrijven leveren informatie met mogelijk leerpotentieel. Met behulp van AI kunnen heel veel documenten worden gelezen, veel meer dan een mens ooit zou kunnen. Het is dan een zoektocht om exact de goede leerpunten te vinden in die data. Dat gaan we doen door te onderzoeken, innoveren en te leren van elke stap”, licht Van Middelaar toe. “Mijn wens zou zijn om alle databronnen die iets kunnen opleveren te gebruiken, maar dat gaat door regelgeving niet. We beginnen met wat we denken dat het meest zinvol is; wachtdienstverslagen, alles wat operators ervaren tijdens hun werk van de afgelopen vijf jaar. Later zullen we daar meer bronnen aan toevoegen”, verwacht Dokter. “Het systeem wordt zo slim als wij het maken. Het model moet leren, welke woorden in de verslagen zijn normaal en achter welke termen of zinsconstructen schuilt bijvoorbeeld frustratie. Dit gaat over data en sentiment meten”, zegt Ilgner.
Toekomstmuziek
“Dit project is één van de stappen in de ontwikkeling van een ‘early warning’ systeem. Dat systeem gaan we trainen met zoveel mogelijk data. Daarna wordt het echt spannend als we het systeem gaan voeden met real-time data, wat 24/7 patronen gaat herkennen en vergelijken met (patronen van) zwakke signalen die in het verleden tot een incident hebben geleid. Uiteindelijk kan de kennis die we opdoen bijdragen aan een volgende stap; een systeem dat steeds betrouwbaarder incidenten kan voorspellen. Een AI-model zal de mens daarbij niet vervangen, maar zal de mens helpen. Het kan incidenten helpen voorkomen door het afgeven van een ‘early warning’. Het beoordelen van een ‘early warning’, en wat daarmee te doen, is en blijft voorlopig mensenwerk. De technologie zal helpen om complexe processen beter te begrijpen, maar de operator zal de beslissingen blijven nemen”, besluit Van Middelaar.
