De ‘vingerafdruk’ van complexe watermengsels nemen

Het betrouwbaar opsporen van een brede groep stoffen in lage concentraties, real time en kosteneffectief. Dat is waar de watersector dringend behoefte aan heeft, zodat tijdig mitigerende maatregelen kunnen worden genomen als dat nodig is. In het TKI-project ‘Ontwikkeling van een waterkwaliteit sensor’ is de Elektrische Impedantie Spectroscopie (EIS) met dit doel onder de loep genomen als mogelijk monitoringtool voor verzadigde koolwaterstoffen en anorganische stoffen.

Nieuwe toepassing

De EIS-technologie is op zichzelf niet nieuw. Zo wordt het bijvoorbeeld gebruikt in studies om de aantasting van materialen te onderzoeken. Maar de toepassing als monitoringtool voor het meten van bepaalde typen vervuiling in afvalwater is wel vernieuwend. Dit vertelt Vermeij, Chief Technology Officer bij Hypersoniq. “Onze startup is een spin-off van het Nederlandse sensorbedrijf TWTG, ook partner in het project. Binnen TWTG werd gestart met deze nieuwe richting voor de EIS-technologie. Toen bleek dat de sensor in dit opzicht nog veel onderzoek nodig had, zijn KWR en TU Delft aangehaakt. Vervolgens werd Hypersoniq opgericht en al snel daarna ging dit TKI-project van start. Zo konden we de technische ontwikkeling van de sensor verdiepen en kijken of en hoe hiervan een goede business case valt te maken en voor welke industrie.”

Zware metalen

Het principe van EIS is dat de weerstand in het water wordt gemeten, als maat voor de samenstelling ervan. Vermeij legt uit: “De sensor heeft elektroden die zijn gemaakt van geleidend materiaal. Wanneer je met verschillende frequenties een elektrisch stroompje door een watermonster leidt, en vervolgens de weerstand meet, geeft dit informatie over de stoffen die erin zitten. We zijn erin geslaagd om te achterhalen welke eigenschappen de elektroden moeten hebben voor het detecteren van anorganische verontreinigingen, zoals zware metalen. Organische componenten hebben niet of nauwelijks interactie met het elektrodemateriaal dat we tot nu toe hebben getest. Je ziet ze dus ook niet terug in de signalen. Dit betekent dat het oppervlak van de elektroden nog moet worden bewerkt om die selectiviteit te creëren. Zo ver is de technologie nog niet.”

Machine learning

Voordat de EIS-sensor in staat is om vervuilingen in het water te signaleren, moet het worden getraind met machine learning-modellen. Hoe dat gaat, licht KWR-onderzoeker Patrick Bauerlein toe. “Het werkt eigenlijk hetzelfde als wanneer je op het internet zoekt naar een afbeelding van een hond of kat. De computer is getraind met een hele reeks aan afbeeldingen van deze dieren, totdat het op grond hiervan zulke beelden zelf gaat herkennen. In het geval van EIS, hebben we de computer geleerd om de data die voortkomen uit samples van bekende watermengsels thuis te brengen. Ervaring met machine learning-modellen hadden we al opgedaan met het monitoren van microplastics. Het bleek dat we de data voor zware metalen iets anders moesten visualiseren, maar als het model dan uiteindelijk werkt – en de computer herkent de stoffen in het mengsel ‘uit zichzelf’ – denk je: wauw! Je kunt er dan echt mee gaan monitoren. We hebben een toelichting op deze machine learning-modellen gepubliceerd in het wetenschappelijke gerenommeerde tijdschrift Nature Communications. Net als de fundamentele werking van de elektroden in relatie tot het monitoren van de waterkwaliteit. Een mooi resultaat van het project.”

Drinkwatersector

Hoewel het project vooral was ingestoken op waterkwaliteitsmetingen in afvalwater, werd ook de drinkwatersector meegenomen. “Bij KWR hebben we op laboratoriumschaal een distributiesysteem van het drinkwaternet nagebootst”, vertelt Bauerlein. “Hierin hebben we de EIS-sensor gedurende 24 uur getest en de metingen geanalyseerd. Omdat de dataverwerking enige tijd duurt, is het niet helemaal real time, maar wel vele malen sneller dan het nemen van een monster dat vervolgens in een laboratorium verderop moet worden geanalyseerd. Dat de sensor geschikt is voor het meten van zware metalen zoals arseen, kan interessant zijn voor drinkwaterbedrijven met joint ventures in landen waar deze stof in het drinkwater zit. Daar liggen mogelijk internationale kansen en KWR gaat kennis over de EIS-sensor delen bij de volgende bijeenkomsten met de Themagroep Chemische Veiligheid binnen Waterwijs – het gezamenlijke onderzoeksprogramma van de drinkwaterbedrijven – om te polsen of interesse in deze sensortechniek bestaat.”

Onvoorziene wending

Behalve de resultaten in machine learning en het monitoren van anorganische stoffen, nam voor Hypersoniq het project gaandeweg een onvoorziene wending, vertelt Vermeij. “De kern van de technologie – de sensor en het meetprincipe – is nog niet ver genoeg ontwikkeld om datgene wat we hebben geleerd naar de praktijk te brengen. Een van de nadelen is bijvoorbeeld dat de elektroden snel vervuilen zodra je ze in echt afvalwater stopt. De afvalstoffen blijven erop plakken. We realiseerden ons dat het te veel tijd zou kosten om deze uitdaging binnen de financiële looptijd van onze startup op te lossen. Aangezien we met het project veel ervaring opdeden met data analyse en modelontwikkeling, ontstond het idee om te kijken naar data van commerciële sensoren die klanten zelf al genereren maar nog niet optimaal gebruiken. We kwamen uit bij troebelheidssensoren die worden toegepast bij Dissolved Air Flotation – een veelgebruikte zuiveringstechniek in bijvoorbeeld de voedingsmiddelenindustrie, waarbij heel kleine luchtbelletjes aan vuildeeltjes in water blijven kleven, zodat die naar de oppervlakte drijven en makkelijk kunnen worden verwijderd. Op basis van deze troebelheidsensoren kunnen wij modellen voor de klant maken voor een optimale dosering van chemicaliën, beter gezuiverd afvalwater, een afname in het volume aan reststromen zoals slib, en daarmee een positieve impact op het milieu. Zo hebben we met onze modellen voor een van onze opdrachtgevers al een ruime halvering van het chemicaliënverbruik weten te bewerkstelligen. Hiermee staan we aan het begin van de commerciële uitrol van onze technologie.”

Nieuwe focus

Eigenlijk komt het erop neer dat Hypersoniq gedurende het project een switch heeft gemaakt in de focus van het bedrijf. “We zijn van een hardware startup naar een software startup gegaan”,  zegt Vermeij. “We halen data van waterzuiveringsinstallaties binnen, visualiseren en analyseren deze en maken er modellen van om deze installaties te kunnen optimaliseren. De verdere ontwikkelingen van de EIS-technologie blijven we graag volgen, want TU Delft gaat hier zeker mee verder. We zijn heel dankbaar dat KWR ons data science team op weg heeft geholpen. Anders hadden we onze omschakeling niet zo goed kunnen maken. En ze hebben hun netwerk voor ons opengesteld, waardoor we bijvoorbeeld de sensorwereld beter leerden kennen, maar ook de wereld van de regelgeving en interessante industriële partijen. Al met al is de kracht van TKI dat je in een ecosysteem terechtkomt met toegang tot mensen, middelen en kennis die je in je eentje nooit zo bij elkaar krijgt.”

Samenwerkingspartners

Het project ‘Ontwikkeling van een waterkwaliteit sensor met behulp van Elektrochemische Impedantie Spectroscopie voor het meten van (micro)verontreinigingen’ kwam tot stand met de volgende samenwerkingspartners: Hypersoniq, KWR, TWTG, Vopak Ventures, en met medewerking van TU Delft.