De stoommachine 2.0: hoe wij ouderwetse machines modern maakten

“Een ouderwetse stoommachine en artificiële intelligentie – dat lijkt een vreemde combinatie. Toch bewezen we dat de industriële revolutie en de digitale revolutie elkaar perfect kunnen aanvullen.”

Waarom een stoommachine?

Stoommachines roepen bij velen beelden op van oude treinen en fabrieken uit de 19e eeuw. Het lijkt een relikwie uit het verleden, een museumstuk dat niets meer te maken heeft met moderne technologie. Toch zijn diezelfde principes vandaag nog altijd relevant. Een stoommachine zet warmte om in beweging – een basisprincipe dat nog steeds terugkomt in energiecentrales over de hele wereld.

Toen wij, een team van studenten aan de PXL Hogeschool, de opdracht kregen om een internationaal opleidingsprogramma (Blended Intensive Program) voor te bereiden, besloten we die historische krachtbron een nieuw leven te geven. Ons doel: de Overall Equipment Effectiveness (OEE) van een miniatuur-stoommachine verbeteren door middel van sensoren, data en artificiële intelligentie.

Of simpel gezegd: we wilden een klassieke machine slim maken.

Wat is OEE en waarom is het belangrijk?

OEE – Overall Equipment Effectiveness – is een maatstaf om te bepalen hoe efficiënt een machine draait. Het combineert drie factoren:

1. Beschikbaarheid – hoeveel tijd draait de machine effectief?
2. Prestatie – hoe dicht zit de machine bij haar ideale snelheid?
3. Kwaliteit – hoeveel van het geproduceerde voldoet aan de verwachtingen?

In een fabriek is OEE een dagelijkse zorg. Stilstand, trager draaien of slechte kwaliteit kosten bedrijven geld. Maar hoe bereken je OEE bij een stoommachientje dat geen producten maakt? Daar lag onze uitdaging.

We hebben onze miniatuur-stoommachine voorzien van een generator, waardoor we het systeem konden beschouwen als een kleine energiecentrale. Om de efficiëntie te meten, kozen we ervoor om de uitgangsspanning van de generator als kwaliteitsfactor te gebruiken: 5 volt is ideaal, terwijl alles tussen 4 en 6 volt als “voldoende” geldt. Op deze manier konden we op een objectieve manier de Overall Equipment Effectiveness (OEE) van de stoommachine bepalen. 

Van onderdelenlijst tot slimme machine

Om een stoommachine “slim” te maken, moesten we ze eerst uitrusten met sensoren.

We kozen voor:

• een temperatuursensor (tot 350 °C) om de ketel te volgen,
• een druksensor (tot 4 bar) om de stoomdruk te meten,
• een generator om de uitgaande spanning te meten,
• potentiometers om de stand van het fluitventiel en de gasklep te registreren,
• en een smart plug die het energieverbruik van het verwarmingselement meet.

Alle data werd verzameld door een Beckhoff PLC, die de signalen omzet in digitale waarden. Via het MQTT-protocol stuurden we die data door naar een centrale databroker.

Daar konden we ze visualiseren in Node-RED (een soort digitaal dashboard) en opslaan in een dataset. Vervolgens werden de gegevens gevoed aan een AI-model, zodat de computer zelf kon voorspellen hoe de OEE zich zou ontwikkelen. 

Dit is allemaal fancy taalgebruik, maar het betekent eigenlijk gewoon dat de meetwaardes van de machine helemaal opgevolgd en opgeslagen kunnen worden op een computer, en dat een AI-model deze waardes kan gebruiken om de uitgangsspanning te voorspellen. 

Studenten als uitvinders

Dit project draaide niet enkel om technologie, maar ook om leren door te doen. Ons team bereidde alles voor, zodat internationale studenten tijdens de Blended Intensive Program-week zelf hun slimme stoommachine konden bouwen.

We ontwierpen sensorhouders in 3D-tekenprogramma’s, lieten onderdelen 3D-printen en lasersnijden, en stelden een bouwpakket samen met alle benodigde componenten. Uiteraard kregen de studenten eerst de kans om hun eigen ontwerpen te maken. Sommige ontwerpen waren indrukwekkend, andere wat minder geslaagd. Maar dat is juist het mooie aan zo’n week: fouten maken hoort erbij en levert vaak waardevolle lessen op.

Het spel: wie haalt de hoogste OEE?

Om de week aantrekkelijk te maken, maakten we er een wedstrijd van: de studenten moesten hun machine zo efficiënt mogelijk laten draaien.

Het werkte als een spel:

1. De machine wordt klaargemaakt en opgestart.
2. Het verwarmingselement warmt het water op, tot er stoom ontstaat. Hoe sneller hij opwarmt hoe sneller hij kan beginnen produceren (beschikbaarheid)
3. De generator levert spanning: hoe dichter bij 5 volt, hoe beter. (Kwaliteit en Prestatie)
4. Elke 10 à 12 minuten verschijnt een “onderhoudsmelding”: water bijvullen, olie nakijken, of de condenspot legen.
5. Na 20 minuten rekent het systeem de OEE uit.

De teams kregen punten op basis van hun OEE, en het winnende team kon pronken met de titel van “beste operators van de slimme stoommachine”. 

Van stoom naar data: wat we geleerd hebben

Voor ons was dit project meer dan enkel een technische oefening. We ontdekten:

• Complexe technologie simpel uitleggen is cruciaal. Studenten met totaal verschillende achtergronden (IT, elektromechanica, design) moesten alles begrijpen en kunnen toepassen.
• Data heeft zin als ze goed voorbereid is. Bij de eerste tests werden berichten te groot om via MQTT door te sturen. Pas door de waarden slimmer te formatteren, lukte het.
• Oude en nieuwe technologie combineren is verrassend krachtig. Een machine die 200 jaar geleden werd uitgevonden, bleek een ideaal leermiddel voor AI en IoT.
• Spelvormen werken. Het competitie-element hield studenten gemotiveerd en maakte droge theorie concreet.

Internationale samenwerking

Het project kaderde binnen een Blended Intensive Program (BIP) van PXL Green & Tech. Studenten uit verschillende landen – Duitsland, Finland, België – werkten samen.

De structuur van de week was helder:

• Maandag: kennismaken met OEE en ontwerpen van de sensorhouders.
• Dinsdag: productie en montage van de houders.
• Woensdag: data versturen via MQTT en visualiseren in Node-RED.
• Donderdag: machine learning toepassen op de verzamelde data.
• Vrijdag: finale met OEE-metingen en presentaties.

Elke student droeg bij vanuit zijn of haar achtergrond. De ene blinkte uit in programmeren, de andere in mechanische montage of data-analyse. Het project toonde hoe diversiteit in een team leidt tot creativiteit en betere oplossingen.

Duurzaamheid als rode draad

Ons werk had ook een bredere maatschappelijke betekenis. De Verenigde Naties stelden de Sustainable Development Goals (SDG’s) op: zevenentwintig doelen die wereldwijd streven naar een betere en duurzamere toekomst, bijvoorbeeld op het gebied van armoede, onderwijs, klimaat en energie.

Voor ons project was SDG 7 het meest relevant: toegang tot betaalbare, betrouwbare, duurzame en moderne energie voor iedereen. Door een klassieke stoommachine slim te maken en de energieproductie te monitoren, lieten we zien dat zelfs traditionele technologie kan bijdragen aan dit doel. Studenten leerden kritisch nadenken over energie-efficiëntie, optimalisatie en duurzaam gebruik van hulpbronnen.

De boodschap is duidelijk: technologie uit het verleden kan ons nog steeds waardevolle inzichten geven voor de toekomst.

Mijn persoonlijke bijdrage

Hoewel dit project teamwork was, had ik zelf een centrale rol in:

• het samenstellen van de onderdelenlijst (van sensoren tot PLC-modules),
• het ontwerpen van de sensorhouders in Onshape,
• het bekabelen en testen van de eerste volledige setup,
• en het programmeren van de PLC in TwinCAT om de data in JSON-formaat naar de broker te sturen.

Daarnaast werkte ik mee aan de voorbereiding van de online cursussen zodat studenten al vóór de start van de week vertrouwd raakten met OEE, Node-RED en PLC-programmeren.

Een slimme les uit een stomende machine

Na een intensieve week was het resultaat duidelijk: zes perfect werkende slimme stoommachines, gebouwd door internationale studententeams. Ze leerden niet alleen techniek, maar ook samenwerken, communiceren en creatief problemen oplossen.

Het project bewees dat innovatie niet altijd begint met hypermoderne apparatuur. Soms volstaat een ouderwetse stoommachine om studenten te laten proeven van de toekomst.

En misschien is dat wel de belangrijkste les: technologie is geen doel op zich, maar een middel om te leren, te verbinden en slimmer met onze energie om te gaan.