Jaarbeeld 2018

Succesvolle implementatie bestaat in uiteenlopende vormen

Wat betekent een succesvolle implementatie van onderzoek? Laat ik na vijftien jaar KWR eens de balans opmaken aan de hand van drie onderzoeken waarbij ik vanaf het begin betrokken ben geweest. Zijn de onderzoeksresultaten intussen zo volwassen dat ze op eigen benen kunnen staan?

Prestatie-indicator OLM

Het eerste onderwerp is de OLM, wat staat voor Ondermaatse LeveringsMinuten. In 2004 hebben we een onderzoek gedaan naar indicatoren om de prestatie van het leidingnet te kunnen meten. Met ondermaatse leveringsminuten bedoelen we de tijdsduur dat niet voldaan wordt aan de leveringseis voor het waterbedrijf: er is dan helemaal geen waterlevering of de kwaliteit van die levering is onder de maat. Binnen een half jaar had iedereen in de bedrijfstak het over de “O.L.M” of de “olm”. Binnen twee jaar was de OLM opgepakt als prestatie-indicator voor de bedrijfsvoering en zelfs opgenomen in de benchmark. Mijn collega’s gaven toen al aan, dat ze nog nooit zo’n snelle implementatie hadden meegemaakt. Ik hoor veel twijfels over de OLM als prestatie-indicator. Bijvoorbeeld omdat de klantbeleving er niet in is meegenomen (is een OLM in de nacht net zo erg als een OLM om 7.30 ‘s ochtends?), of omdat de (ondermaatse) waterkwaliteit niet wordt geregistreerd, of omdat niet makkelijk is vast te stellen hoeveel geld we over hebben om de OLM te beperken (of in elk geval niet te laten toenemen). Maar de OLM is nog niet vervangen. Het besef dat de prestatie te meten is, zodat daar dus ook (op de lange termijn) op gestuurd kan worden, zit nu bij iedereen in de bedrijfstak tussen de oren. Ook als de OLM door een betere prestatie-indicator wordt opgevolgd.

Temperatuur bodem bepaalt temperatuur aan de tap

Het tweede onderzoeksresultaat waarop ik wil terugkijken is dat de drinkwatertemperatuur in het leidingnet niet constant is. De bodemtemperatuur op 1 meter diepte is verandert gedurende het jaar en kan op sommige plekken in de zomer al boven 25 graden komen. Door dat laatste kan ook de drinkwatertemperatuur flink toenemen. In 2007 zijn we naar aanleiding van metingen van Ed Smulders (ere wie ere toekomt) van (toen nog) de NV Tilburgsche Waterleiding-Maatschappij TWM een onderzoek gestart naar de factoren die de drinkwatertemperatuur aan de tap beïnvloeden. Daar is een hele reeks aan onderzoeken uit gevolgd, van het kwantificeren van mogelijke maatregelen (dieper leggen van leidingen, groenstroken aanleggen, drinkwater lokaal koelen en meer) tot het in kaart brengen van de gevolgen van een hogere temperatuur op nagroei in het leidingnet, op het risico op bruin water, op Legionella en nog andere zaken. Deze lijn van onderzoek loopt nog steeds door, maar het staat nu al jaren vast dat de temperatuur aan de tap bepaald wordt door de bodemtemperatuur en NIET door de temperatuur van de bron. Dat betekent dus dat niet alleen oppervlaktewaterbedrijven hoge temperaturen leveren in de zomer. Nu, na vele jaren van presentaties starten met deze boodschap lijken steeds meer mensen ook van deze kennis doordrongen. Dat is goed, want met klimaatverandering, verstedelijking en energietransitie is er wel degelijk aandacht nodig voor de drinkwatertemperatuur. Wat mij betreft een goed voorbeeld van implementatie van de resultaten van onderzoek. Niet zo zeer een tool, maar een besef dat zal leiden tot andere overwegingen in de aanleg en het beheer van het leidingnet.

Watervraag modelleren met SIMDEUM

Het derde onderzoeksresultaat is SIMDEUM. In 2003 ben ik bij KWR begonnen met het modelleren van afnamepatronen zonder zelf te weten waar het toe zou leiden. In 2006 heb ik SIMDEUM opgeleverd. Hoewel SIMDEUM verdacht veel op een (software)tool lijkt, wil ik het toch vooral hebben over de implementatie van het concept áchter SIMDEUM. Ik ben namelijk een onderzoeker, en geen software-ontwikkelaar. Wat is het concept achter SIMDEUM? Aan de ene kant is het concept: dat de klant bepaalt wanneer en hoeveel water hij of zij verbruikt, en daarmee dus wanneer en hoeveel water er geproduceerd  en aangevoerd moet worden en wanneer en hoeveel (afval)water er afgevoerd en gezuiverd moet worden. Inzicht in het klantgedrag op kleine ruimtelijke schaal (een huishouden, of zelfs een individuele kraan) en kleine temporele schaal (een minuut, of zelfs een seconde) is nodig om te begrijpen wat sensoren in het leidingnet meten (bijvoorbeeld omdat het water een deel van de dag vanaf de ene kant naar de sensor stroomt en een ander deel van de dag vanaf de andere kant), om te begrijpen wat het effect is van nieuwe sanitatie op de prestatie van het leidingnet en de riolering, om te begrijpen hoe een drinkwaternet of riolering beter ontworpen kan worden et cetera. Aan de andere kant is het concept van SIMDEUM dat het klantgedrag te beschrijven is als een stochastisch proces, dat dit ook leidt tot realistische voorspellingen: met een modelmatige aanpak kun je een vrijwel oneindige virtuele proeftuin creëren waarin je kunt uittesten wat de effecten zijn van een verandering in gedrag (zoals korter douchen) of andere apparaten (een watervrij toilet), maar ook welke informatie sensoren je kunnen leveren. Door sensoren slim te plaatsen kun je bijvoorbeeld lekken van een bepaalde minimale omvang snel opsporen. Is dit al concept al geland in de bedrijfstak? Gezien de vele onderzoeken die we sinds 2006 hebben gedaan waarbij SIMDEUM is toegepast, moet ik concluderen van wel, en dan met name op het aspect van de proeftuin. Het aspect van de klant als drijvende kracht achter de drinkwatercyclus en het vertrekpunt van ontwerp en operationele beslissingen is nog niet bij iedereen geïnternaliseerd. Er zijn bijv. nog veel mensen die willen  ontwerpen op basis van tapeenheden. Maar in de ISSO-55 richtlijnen voor het ontwerp van de drinkwaterinstallatie van woongebouwen en utiliteitsbouw zijn sinds een aantal jaar ontwerpregels voor leidingen en warmwaterbereiders opgenomen die gebaseerd zijn op SIMDEUM. Voor het ontwerpen van zelfreinigende netten gebruikt Dunea rekenregels die op SIMDEUM gebaseerd zijn. Dus ook deze implementatie krijgt concreet vorm in de sector.

Conclusies

Kan ik hier nu conclusies aan verbinden? Lastig, het zijn maar drie voorbeelden, en ze zijn alle drie net wat anders. Ik constateer wel dat als er nog ‘niets’ is, de implementatie van ‘iets’ snel kan gaan. Maar wanneer er eenmaal ‘iets’ is, is er veel meer nodig voordat ‘iets beters’ wordt geadopteerd. Dan is het een kwestie van lange adem, er zelf in geloven en stug doorgaan. En accepteren dat wat ik een succesvolle implementatie vindt, namelijk het algemeen aanvaard zijn van een concept, door anderen misschien wordt beoordeeld als iets dat ze altijd al wisten. Of dat men pas van implementatie wil spreken wanneer het onderzoek ook helemaal is afgerond. Maar dat gebeurt natuurlijk nooit, want onderzoek is nooit af. Niet voor niets eindigen vrijwel alle onderzoeksrapporten met ‘meer onderzoek is nodig’…

delen