Wij combineren realtime monitoring, voorspellende analyses en continue optimalisatie om bedrijven te helpen water slimmer, veiliger en duurzamer te beheren.
We koppelen aan bestaande sensoren of zetten onze IoT-tools in om waterkwaliteit en kernparameters in realtime te volgen.
Onze AI-gestuurde modellen zetten gegevens om in vroege waarschuwingen en bruikbare inzichten, zodat u problemen kunt voorkomen voordat ze zich voordoen.
We leveren duidelijke rapporten, detecteren afwijkingen onmiddellijk en begeleiden u naar slimmer en duurzamer waterbeheer.
Liquisens levert voorspellende, datagestuurde oplossingen die het waterkwaliteitsbeheer in verschillende industrieën transformeren – van koeltorens tot hygiënebewaking.
Ontdek hoe AGFA Liquisens Predict inzet voor proactief Legionellarisicobeheer
Ontdek hoe FrieslandCampina het Liquisens Insight Platform gebruikt als onderdeel van een autonoom digitaal monitoringsysteem voor grondwaterputten
Our project in cooperation with KWR and CEW aimed to move beyond
periodic sampling and establish a foundation for predictive legionella risk monitoring.
Liquisens is een Belgisch watertechnologiebedrijf dat voorspellende intelligentie over de waterkwaliteit levert aan industriële en gemeentelijke exploitanten.
Liquisens is opgericht in 2019, gevestigd in Antwerpen, en past kunstmatige intelligentie toe op de data die installaties al verzamelen via hun SCADA-systemen, sensoren en laboratoriumanalyses, en zet die om in realtime en voorspellende inzichten.
Zo kunnen exploitanten afwijkingen in de waterkwaliteit vroegtijdig detecteren, blijven voldoen aan lozings- en veiligheidsvoorschriften en kostbare procesverstoringen vermijden, zonder nieuwe meethardware te installeren. Liquisens doet dit met twee producten: Liquisens Predict voor voorspellende analyse en Liquisens Insight voor realtime monitoring en rapportage.
Liquisens bouwt voor elke installatie een sitespecifiek voorspellend model, getraind op de eigen SCADA-data, sensormetingen en historische laboratoriumresultaten van die installatie.
In plaats van een generiek algoritme toe te passen, combineert het model machine learning met proces- en domeinkennis, zodat het het specifieke gedrag van die installatie weergeeft.
Het leert hoe factoren zoals debiet, temperatuur, beluchting en chemicaliëndosering de gemeten waterkwaliteitsparameters beïnvloeden, en voorspelt die parameters vervolgens realtime, nog vóór de laboratoriumbevestiging.
Wanneer waarden afwijken van het verwachte gedrag, signaleert Liquisens de afwijking, benoemt de vermoedelijke procesoorzaak en beveelt een corrigerende maatregel aan.
Nee. Liquisens Predict werkt op basis van de data die een installatie al genereert, met gebruik van de bestaande SCADA-systemen, processensoren en laboratoriumgegevens. Er hoeft dus geen nieuwe instrumentatie geïnstalleerd te worden en de bedrijfsvoering wordt niet onderbroken.
Dat is het wezenlijke verschil met het toevoegen van een UV-Vis-analyser of een andere fysieke sonde, wat een investering, herkalibratie en doorlopend onderhoud vereist. Wanneer een site niet over de benodigde data beschikt, bijvoorbeeld een afgelegen locatie zonder bestaande monitoring, kan Liquisens lichte IoT-sensoren inzetten via het Liquisens Insight-platform. Voor de meeste voorspellende toepassingen volstaat de bestaande data-infrastructuur echter.
Liquisens dekt parameters voor organische belasting zoals CZV (chemisch zuurstofverbruik) en BZV (biochemisch zuurstofverbruik), nutriëntenparameters waaronder stikstof en fosfor, zwevende stof en microbiologische risico’s zoals Legionella.
In de praktijk ondersteunt dit verschillende toepassingen: realtime voorspelling van CZV en BZV voor afvalwaterzuivering, monitoring van het Legionella-risico in koeltorens en biologische zuiveringssystemen, monitoring van schadelijke algenbloei (blauwalgen) en hygiënebewaking in de voedings- en drankenproductie.
Dezelfde kernaanpak geldt in de chemie, de voedings- en drankensector, de farmaceutische industrie, de papier- en pulpindustrie, de staalindustrie en bij openbare waterbedrijven.
Omdat elke installatie anders is, traint en valideert Liquisens voor elke site een specifiek model in plaats van een generiek algoritme toe te passen.
De nauwkeurigheid wordt gemeten tegen de eigen laboratoriumresultaten van de installatie, op data die het model tijdens de training niet heeft gezien, en voorspellingen worden pas operationeel gebruikt zodra deze validatie bevestigt dat ze betrouwbaar zijn. De nauwkeurigheid hangt af van de kwaliteit, de frequentie en de historiek van de beschikbare data.
Onder gunstige omstandigheden kan de voorspellingsfout voor parameters zoals CZV de analytische onzekerheid van de laboratoriummethoden zelf benaderen, waarbij het model realtime waarden van laboratoriumkwaliteit volgt.
Een Liquisens-traject start doorgaans met een proof of concept (PoC). De installatie deelt historische SCADA- en laboratoriumdata, en Liquisens beoordeelt de databeschikbaarheid, bouwt een eerste voorspellend model en kwantificeert de potentiële waarde, vaak binnen enkele weken na ontvangst van bruikbare data.
Na validatie wordt het model realtime ingezet via het MyLiquisens-platform of geïntegreerd in de eigen systemen van de klant via API.
Liquisens kan rechtstreeks samenwerken met het interne team van de eigenaar van de installatie, of naast de bestaande exploitant van de waterzuivering als een aanvullende voorspellende laag, zonder de lopende servicecontracten te verstoren.
