Ontdek Brainport Eindhoven

In technologieregio Brainport Eindhoven werken we als denkers en als doeners slim samen. De mogelijkheden zijn eindeloos binnen Brainport. Ontdek, leer en groei.

Wat is Brainport Eindhoven?

De innovatiekracht van Brainport

De strategie

Brainport Development

Partnership Brainport Eindhoven & PSV

Sluiten Close icon

Brainport Eindhoven voor jou

Of je hier nu studeert, werkt of onderneemt; Brainport biedt eindeloos veel kansen om te groeien. Jouw succes wordt hierin bepaald door de manier waarop je jouw uitdagingen overwint. Voor ondersteuning kun je hiervoor op verschillende plekken binnen Brainport terecht. Om je kennis te verbreden, nieuwe inzichten op te doen of om gewoon een antwoord op je vraag te krijgen.

Ondernemen

Werken

Leren

Sluiten Close icon
Sluiten Close

Datagestuurd mouten helpt Holland Malt bij het verkleinen van haar ecologische voetafdruk

Door de warmte in de oven slechts 1 procent lager te zetten, kan Holland Malt genoeg elektriciteit besparen om een klein dorp een jaar lang van stroom te voorzien. Data wetenschap en modellering helpen de mouterij bij het verkleinen van haar ecologische voetafdruk.

Je kunt geen bier brouwen zonder mout. Dit hoofdingrediënt wordt gemaakt van graan, zoals gerst. Wanneer het graan in de mouterij aankomt, wordt het eerst gereinigd om stof en andere vreemde stoffen te verwijderen. Daarna wordt het een dag lang met water overgoten om het vochtgehalte op te trekken tot 40-45 procent. Dit zogenaamde weken brengt de kieming in het graan op gang, waardoor de celwanden worden afgebroken en enzymen worden ontwikkeld die het zetmeel omzetten in de suikers die nodig zijn om de alcohol te vormen. Na vijf dagen wordt het groene mout overgebracht naar een oven, waar het wordt gedroogd om het vochtgehalte terug te brengen tot minder dan 5 procent. Dit stopt het ontkiemen en bereidt het mout voor op het brouwen.

“Een oven is een heel grote oven”, legt Martijn van Iersel, Manager Quality & Technology bij de in Lieshout gevestigde mouterij Holland Malt, uit. “De groene mout wordt over de vloer uitgespreid en grote volumes warme, droge lucht worden er door grote heaters overheen geblazen. Terwijl de lucht passeert, koelt ze af, waarbij warmte vrijkomt en een deel van het vocht uit de korrels wordt opgenomen. Voor elke batch hebben we 20-22 uur om het droogproces te voltooien en de mout op tijd klaar te krijgen voor transport naar de klant, de brouwerij.

Een van de grootste klanten van Holland Malt is het moederbedrijf, Swinkels Family Brewers, dat ook in Lieshout is gevestigd en vooral bekend is van het merk Bavaria. “Als je alle processen in een mouterij vergelijkt, is het eesten het meest energieverslindend”, zegt Pieter Meeuws, Business Intelligence & Reporting Analist bij Swinkels. “Met waardering voor ons streven naar maatschappelijk verantwoord ondernemen en voortbouwend op onze groeiende data science competentie, besloten we te kijken of we de elektriciteitsrekening konden verlagen met behulp van een data-gedreven aanpak. Alleen al een verlaging van 1 procent zou al genoeg energie besparen om een klein dorp als Lieshout een jaar lang van stroom te voorzien.”

“Omdat we maatschappelijk verantwoord ondernemen hoog in het vaandel dragen en voortbouwen op onze groeiende competentie in data science, besloten we te kijken of we de elektriciteitsrekening konden verlagen met behulp van een data-gedreven aanpak. Een vermindering van slechts 1 procent zou al genoeg energie besparen om een klein dorp als Lieshout een jaar lang van stroom te voorzien.”

Draai de wijzerplaten

In het verlengde van hun vaste relatie wendde Swinkels zich tot de data science consultants van Bright Cape voor hulp. “We hebben een project met ze gedaan in Ethiopië”, geeft Meeuws als voorbeeld. “Nadat we daar een greenfield brouwerij hadden opgezet, hebben ze ons geholpen met het opzetten van een succesvolle data-gedreven marketingcampagne om ons nieuwe bier zo goed mogelijk te promoten. Toen we namens Holland Malt contact met hen opnamen, stelden ze een afgestudeerde student tot onze beschikking.” Voor Bright Cape, gevestigd in Amsterdam en Eindhoven, sluit het Holland Malt-project mooi aan bij haar aandachtsgebieden. “We ontwikkelen geavanceerde data science-oplossingen, die gaan van exploratie tot gebruikerservaring”, werkt senior data scientist Daphne van Leeuwen uit. “We zijn vooral actief in finance, logistiek en productie, met een toenemende focus op duurzaamheid.” Het project sluit ook aan bij de efficiëntie- en duurzaamheidsdoelstellingen van het High Tech Software Cluster, dat Bright Cape en andere softwarespecialisten samenbrengt om Nederlandse softwaretopkwaliteit te combineren, te promoten en toe te passen op een wereldwijd podium.

Het doel van de samenwerking was om een partij mout binnen het vereiste tijdsbestek van 20-22 uur te eesten en daarbij dezelfde hoge kwaliteit te leveren met een zo laag mogelijk energieverbruik. “Door de verschillende korrelgroottes en -vormen hebben verschillende gersttypes verschillende vochtgehaltes en dus verschillende droogtijden nodig. Ook de omstandigheden buiten de oven spelen een belangrijke rol. Bij een lage luchtvochtigheid, bijvoorbeeld in de winter, kunnen sommige partijen al na 15 uur klaar zijn,” beschrijft Van Iersel. “Tot voor kort zetten we de verwarmers op vol vermogen, ongeacht de omstandigheden. Als we de verwarming echter iets lager zouden zetten, zodat dezelfde partij er 20 uur over zou doen om te drogen, blijven we nog steeds binnen de gestelde grenzen en hebben we minder energie verbruikt.”

“Holland Malt had al veel impactvariabelen direct beschikbaar, zoals de luchtvochtigheid en de temperatuur in de oven, de vorm en grootte van de gerst en de laagdikte van de groene mout,” vervolgt Van Leeuwen. “We hebben die gegevens verwerkt, gecombineerd met externe factoren zoals de buitenluchtvochtigheid en -temperatuur en alles in een model gestopt dat, gegeven een reeks randvoorwaarden, zo nauwkeurig mogelijk voorspelt hoe lang het duurt om een batch te voltooien. Holland Malt kan deze voorspelling gebruiken om de draaiknoppen van de oven te draaien, waardoor ze nieuwe gegevens krijgen waarmee ze het model kunnen verbeteren en een nog betere voorspelling kunnen krijgen.”

“We zien veelbelovende resultaten, die bevestigen dat het model inderdaad de droogtijd correct kan voorspellen. We naderen het punt waarop we, onder de juiste omstandigheden, de warmte een tandje lager kunnen zetten en daadwerkelijk energie kunnen gaan besparen. Op dit moment zijn we nog handmatig aan het tweaken. Uiteindelijk gaan we natuurlijk voor een zelfcorrigerend model.”

Drooglopen

Het project ging in februari vorig jaar van start en eindigde in januari van dit jaar. De student van Bright Cape studeerde af op de resultaten. Holland Malt is nu bezig met uitgebreide dry runs. Van Iersel: “We zien een aantal veelbelovende resultaten, die bevestigen dat het model de droogtijd inderdaad correct kan voorspellen. We naderen het punt waarop we, onder de juiste omstandigheden, de warmte een tandje lager kunnen zetten en daadwerkelijk energie kunnen gaan besparen. Op dit moment zijn we nog handmatig aan het tweaken. Uiteindelijk gaan we natuurlijk voor een zelfcorrigerend model.”

“We kijken ook of we meerdere ovens tegelijk kunnen optimaliseren”, voegt Meeuws toe. “Holland Malt heeft er vier en we onderzoeken of we ze zo kunnen cascaderen dat we hun restwarmte efficiënter kunnen hergebruiken. Het gaat erom hoe we het model optimaal kunnen benutten, hoe we het beste kunnen profiteren van meer grip op het proces.”

Het project heeft Van Iersel de ogen geopend voor de mogelijkheden van data science en modelleren: “Het is echt opmerkelijk wat je kunt bereiken.” Voor Meeuws was het een bevestiging dat je nooit genoeg data kunt hebben: “Holland Malt legde al veel vast, maar het project liet ons zien dat we nog wat blinde vlekken hadden. Dus ook als je nog niet weet waar je het voor nodig gaat hebben, verzamel zoveel mogelijk procesdata.”