Voorspelling asfaltonderhoud met bigdata

Presentatie over: "Voorspelling asfaltonderhoud met bigdata"— Transcript van de presentatie:

1 Voorspelling asfaltonderhoud met bigdata
Rutger Krans Launchingcustomerdag LEF 17 januari 2019

2 Context en doel Asfaltimpuls: branchebrede samenwerking, gecoördineerd door het CROW Hoofddoelstelling: Verdubbeling gemiddelde levensduur asfaltwegen Halvering spreiding in levensduur Halvering CO2-productie Gelijke of lagere kosten BE-GOOD = EU-Interreg-NW-project voor open data en data-analytics. Doelen: Van open data naar rendement. Kennis en ervaring delen, aandacht voor commerciële waarde van data Uitwisseling van data en instrumenten MKB stimuleren via publieke initiatieven

3 Doel voorspelling asfaltonderhoud met bigdata
Just in time onderhoud i.p.v. te vroeg  besparing middelen, minder hinder en files ontwikkelen van objectief en betrouwbaar model en instrumenten om onderhoud te voorspellen voor ontwerpfase en gebruiksfase voor alle partijen vrijelijk beschikbaar Hiermee kunnen we : Innovatieve duurzame en circulaire verhardingsmengsels op de markt toelaten ( launching customer) data en ervaringen delen en combineren duurzamer en circulairder aanleggen en onderhouden

4 Predictive Maintenance of Asphalt Roads Data analytics ecosystem
User feedback & social media Road condition & traffic flows Road condition & accidents Budget planning Quality asphalt pavement Road monitoring & camera’s Accidents, In car data Meteo Open Data layer Data analytics ecosystem Platform layer Business needs New services Secure open data protocol (ODS) Maintenance contracts Traffic congestion delay times Road construction ata National highways Dashboards User statistics Maintenance protocols Risk based strategy Accident statistics & analysis Data fusion Road User feedback Project plan Transnational requirements Innovative procurement Business model Technical content Predictive Maintenance of Asphalt Roads Data analytics ecosystem Service development for just in time road maintenance, cost reduction and increased traffic safety.

5 Hoe werkt dit in de praktijk?
Kunstmatige Intelligentie en bigdata-analyses halen nieuwe informatie uit de data Delen van data in de hele keten ontwerp – aanleg – onderhoud – hergebruik versterkt de uitkomsten; materialenpaspoort Impuls voor innovaties op materialen, duurzaamheid, processen, datascience etc. en deze direct toepassen (launching) Aanpak is kortcyclisch (agile): instrumenten ontwikkelen en toepassen, voor datagebruik, analyse en monitoring Ervaringen met het werken met open en linked data inzetten CROW organiseert dataplatform voor alle betrokkenen

6 Discussiepunten Verduidelijking en benodigdheden launching customership; wat biedt asfaltimpuls en EU-Interreg Verduidelijking en benodigdheden duurzaamheid en circulair Mogelijkheden om aan te sluiten, ervaringen delen Inbrengen en gebruiken van data en instrumenten Hoe ervaringen delen? Welke aspecten hebben meer aandacht nodig? Dilemma’s?

7 Detailinfo Zie volgende sheets voor achtergrond

8 Werkpakket gebruiksfase
Stappen: Inventarisatie beschikbare data, afspraken over delen en ontsluiten ervan. Analyse van beschikbare (big) data. Ontwikkelen methode en instrumenten die analyse vertalen naar onderhoudsprogrammering. Met div. mijlpalen (formeel opgeleverd & afgerond) Voortbouwen op lopende projecten: asfaltonderhoudsvoorspelling met big data; BE-GOOD Nu: kleinschalige experimenten, instrumenten

9 Werkpakket gebruiksfase (2)
Voorbeelden van analyse-instrumenten: Dashboard toestand wegvakken, inzicht in meetgegevens, trends Planningstool onderhoudsprogrammering Monitoringstool prestatie van deklagen   Vertaalinstrument labdata naar praktijk (// friction after polishing voor stroefheid) Koppeling met systeem van V&R-draagkracht (// Tools V&R visualisatie; provesy) Voorbeelden van gebruiksinstrumenten Datatoegangstool , zoektool, uitwisselingstool Metadataharmonisatie Uitwisseltool gebruikerservaringen met datasets, producten, o.a. met ratings “data friend” RWS-wiki “wegenwaterwiki” datalab Integratietools ontwerpfase en gebruiksfase

10 Werkpakket regelgeving
Insteek is het te ontwikkelen model vrij te geven voor de gehele sector via 3 stappen: Inventarisatie randvoorwaarden eisen vanuit (toekomstige) gebruikers Validatie van het methode om betrouwbaarheid te borgen Implementatie en handhaving van het model door creëren juiste ontsluiting, documentatie, in, etc. De aanpak laat ruimte voor het komen tot een systematiek dan wel te komen tot een softwaremodel dit het ook uitvoert.

11 Opleveringen werkpakketten
Voornoemde werkpakketten werken toe naar concrete items ter oplevering: Levensduurvoorspellingsmodel (ontwerptoets) Dimensioneringsinstrumenten (berekening mengsel) Restlevensduurbepaling (instrument bijsturen met monitoringdata) CROW-publ. Assetmanagement verhardingen Richtlijn voorspellingsmodel in contracten Aanbevelingen voor vervolgaanpak na LAM

12 Organisatie LAM-programma
LAM wordt een meerjarig programma onder de vlag van Asfaltimpuls. De 3-koppige stuurgroep rapporteert aan het bestuur van Asfaltimpuls. Elk spoor een eigen projectteam met een 3-koppige aansturing en een klankbord met mensen uit het werkveld van de asfaltsector Insteek is het geheel te verankeren in CROW-regelgeving waarmee dan ook de interactie wordt gezocht

13 Budgettering Insteek is de volgende principes toe te passen:
De actieve leden van de projectteams worden betaald via een te definiëren uurtarief Klankbord- en stuurgroepleden worden niet betaald en doen op eigen titel mee Alle ontwikkelde methodieken, modellen en instrumenten zijn publiek eigendom en kostenloos te gebruiken. Mochten er gefinancierde omgevingen noodzakelijk zijn, dan wordt daarvoor een bekostigingsmodel uitgewerkt.

14 Planning Tijdbalk gebaseerd op realisatie in periode