arrow_back

Verslag Kennissessie Mobiele werktuigen en Datamonitoring

Op 11 december 2019 organiseerde SKAO in samenwerking met Rijkswaterstaat een bijeenkomst over Mobiele werktuigen en datamonitoring. Tijdens de bijeenkomst werd er antwoord gegeven op de vraag: Welke mogelijkheden biedt datamonitoring voor een betrouwbare kwantitatieve brandstofregistratie van mobiele werktuigen? 

Om de inzet van schoon en zuinig bouwmaterieel (mobiele werktuigen) te stimuleren willen opdrachtgevers voor GWW-projecten afspraken kunnen maken over brandstofgebruik en emissies. Een betrouwbare en nauwkeurige brandstofregistratie op een project is daarvoor een belangrijke basis, zodat afspraken kunnen worden gecontroleerd. Met deze kennissessie hebben SKAO en Rijkswaterstaat onderzocht welke rol datamonitoring kan spelen bij afspraken tussen opdrachtgevers en opdrachtnemers, in het kader van emissiereductie.

De bijeenkomst werd geopende door Dik de Weger van Rijkswaterstaat.Hij liet zien dat emissies van mobiele werktuigen en de emissieloze bouwplaats voor de overheid belangrijke onderwerpen zijn geworden, vanwege het Klimaatakkoord, het Stikstof vraagstuk en het Schone Lucht Akkoord. Vanuit Rijkswaterstaat wordt een traject ingezet om tot een ‘emissieloze bouwplaats in 2030’ te komen. Brandstofregistratie en datamonitoring zal daar op een of andere manier een rol in spelen. Rijkswaterstaat maakt meer en meer gebruik van DuboCalc en MKI in aanbestedingen en door SKAO wordt gekeken naar een vereenvoudigde aanpak om de MKI ook toepasbaar te maken voor decentrale opdrachtgevers zoals gemeenten en waterschappen. Het initiatief voor deze bijeenkomst past in het licht van deze ontwikkelingen. Download de presentatie van Dik de Weger.

 

Hoe werkt het in de praktijk?

Tijdens de bijeenkomst werden er meerdere presentaties gegeven door bedrijven die veel ervaring hebben met mobiele werktuigen en datamonitoring. Jelle Coen Bijlsma, eigenaar van Jelle Bijlsma BV is eenaannemer met circa 150 fte in de grond, weg en waterbouw, met veel eigen materieel. Hij heeft zijn volledige vloot aan materieel gedigitaliseerd via één platform ‘Grip’ en gekoppeld aan bestaande systemen voor de bedrijfsvoering. Via een app meldt de machinist elke dag de machine waarop hij werkt aan. Automatisch worden locatie, brandstofverbruik, draaiuren, etc. bijgehouden en gelinkt aan projecten, facturering en verloning. Investering is snel terugverdiend door verbetert inzicht, optimaliseringen in de bedrijfsvoering en ook door tegengaan van brandstofdiefstal. De ontwikkeling is ondersteund door 52 Degrees North. Download de presentatie van Jelle Coen Bijlsma.

 

Madeleine Schenk is teamleider KAM bij Martens en Van Oord.Ook MVO is een aannemer (250 fte) in de grond, weg en waterbouw, met veel eigen materieel. Madeleine Schenk presenteerde het project ‘aanleg Beatrixsluis’, waar MVO verantwoordelijk was voor het grondverzet. Project is door Rijkswaterstaat aanbesteed met gunningsvoordeel voor een lage MKI-waarde (Milieukosten indicator). Bij inschrijving is door MVO een MKI-waarde voor het totale grondverzet afgegeven die aan het eind van het project met een DuboCalc berekening of LCA verantwoord moest worden. Op basis van het ontwerp en de gegevens van het eigen dataplatform zijn voor elke grondstroom in het project brandstofgegevens, vervoersbewegingen, materiaalhoeveelheden en dergelijke verzameld. Hiermee is een totale LCA opgesteld van het grondverzet van het uitgevoerde project. De uiteindelijk gerealiseerde MKI -waarde bleek circa 30% lager te liggen dan de oorspronkelijke inschrijving. Download de presentatie van Madeleine Schenk.

 

PVH Mobile Automation is een bedrijf dat elektronica en software oplossingen voor mobiele systemen ontwikkelt. Paul van Haperen vertelt over het systeem dat hij voor MVO heeft gerealiseerd. PVH heeft voor MVO een deel van het bestaande materieel uitgerust met datamonitoring (retrofit). Daarnaast had MVO al veel materieel dat ‘af fabriek’ voorzien is van datamonitoring. Door PVH is een dashboard gebouwd waarmee alle data van het materieel, afkomstig van zowel de dataplatforms van machineleveranciers als van het bestaande materieel met retrofit, genormaliseerd bij elkaar wordt gebracht.

Hiervoor maakt hij gebruik van de ‘Te

Prev:
Next: