Effectief asset management door data en analytics

Kan het toepassen van kunstmatige intelligentie een innovatieprogramma in een stroomversnelling brengen?

Nederland staat de komende decennia voor een enorme onderhoudsopgave. Een groot deel van de Nederlandse civiel infrastructuur, met een vervangingswaarde van ongeveer 400 miljard euro, stamt uit de jaren zestig en zeventig. Een deel van deze bruggen, keringen, viaducten en sluizen en andere infrastructuur gerelateerde assets komen aan het einde van hun theoretische (ontwerp) levensduur. 

In de afgelopen 40 jaar is het gebruik van veel assets geïntensiveerd. Vooral de toename en verzwaring van het wegverkeer heeft grote impact op wegen, bruggen en viaducten. Een impact die niet is verwerkt in de beheer- en onderhoudsmodellen. Dit kan tot onverwachte problemen leiden, denk aan de scheurtjes in de Merwedebrug bij Gorinchem.

Met een enorme theoretische vervangings- en renovatieopgave voor de boeg voor deze assets in Nederland, wordt er naar wegen gezocht om dit proces innovatief in te vullen.
De volgende vragen staan daarin centraal:

  • Hoe kunnen we het vervangingsproces optimaliseren?
  • Welke innovatieve producten kunnen worden toegepast?

Er zijn verschillende initiatieven gestart om de totale kosten voor de vervangingsopgave met 40% te reduceren en de kosten voor onderhoud te reduceren met 20%.

Beide vragen kunnen parallel aan elkaar worden opgepakt. Echter, voor een goed vervangingsproces moet eerst duidelijk zijn wat de restlevensduur is van de assets. Een voorspellend model bestaat niet. We kunnen wel leren van de assets die al zijn vervangen/gerenoveerd en van de assets die bij nader inzien langer mee konden dan theoretisch werd verwacht. Ook kunnen we leren van de effecten van veranderend gebruik. In Nederland is al veel data over bruggen verzameld. Probleem is alleen: Hoe verwerk je die data tot waardevolle inzichten?

Gelukkig zijn de technologische ontwikkelingen op het gebied van de informatica de laatste jaren ook in een stroomversnelling geraakt. Daardoor is het nu mogelijk om kunstmatige intelligentie in te zetten bij dit soort vraagstukken. Zonder kunstmatige intelligentie gaan we als mensen zelf op zoek naar waardevolle relaties en inzichten. Wij vertellen de computer waar die naar moet zoeken. Bij kunstmatige intelligentie gaat de computer zelf op zoek. Daardoor wordt sneller resultaat geboekt en (als gevolg van de berg aan data) worden er ook zinvolle relaties gevonden die we als mensen over het hoofd zouden zien. Ons voorstel is om de mogelijkheden van kunstmatige intelligente te gaan koppelen aan het vervangings-vraagstuk van de bruggen in Nederland. Een hoogst innovatief voorstel, omdat het nog niet eerder is gedaan.

In deze sessie gaan we in op hoe provincies, waterschappen en gemeenten met behulp van datamanagement en analytics kunnen komen tot een integrale sturing op asset management. U hoort:

  • Hoe voorspellende modellen op onderhoud (predictive maintenance) opgesteld, ingeregeld en doorontwikkeld kunnen worden? 
  • Welke rol data van derden, open data, en data vanuit social media kunnen spelen bij het scherper krijgen van de status en het gebruik van bepaalde assets;
  • Op welke manier de functionele verantwoordelijkheid van deze assets met de bijbehorende data wordt georganiseerd;
  • Hoe data vanuit sensoren kan bijdragen aan vormen van (near) real time sturing en ingrijpen.

Met de oplossingen van SAS, gekoppeld aan de ervaring van Donbureau en CGI is het mogelijk om een SMART asset management omgeving te creëren waardoor grip ontstaat op zowel het onderhoud alsook de vervanging van assets. Tevens groeit de voorspelbaarheid naar de interne organisatie, de politiek en de ketenpartners.


U kunt zich hier aanmelden voor de sessie Asset Management voor Overheden@SAS op donderdag 26 oktober 2017. De bijeenkomst is kosteloos en vindt plaats bij SAS in Huizen.

Back to Top