Data-Driven Modellen voor de energiesector
In deze video spreekt Jack Doomernik, lector Smart energy aan de Avans Hogeschool. Zij houden zich bezig met het beter benutten van de infrastructuur door die slimmer te maken met AI. Met behulp van data kun je voorspellen welk onderhoud nodig is (predictive maintenance).
Daardoor kan de juiste monteur op het juiste moment op pad worden gestuurd (smart maintenance). Onderhoud aan installaties zal steeds vaker een digitale component hebben. Monteurs gebruiken hun expertise om modellen en installaties te blijven checken.
Transcript:
Historisch gezien, zijn we als ingenieurs gewend om modellen te bouwen, om de werkelijkheid in kaart te brengen, en die modellen te vullen met data, zodat we op basis daarvan deze modellen kunnen valideren. Als het model gevalideerd is, moeten we ook toetsing kunnen doen en de toekomst kunnen voorspellen. De huidige trend in AI is om op basis van data de modellen te gaan ontdekken. Dat is een creatieve en nieuwe toepassing waarbij je los moet laten wat je eigenlijk al weet, en later op basis van de gegevens die uitkomen en de algoritmes die uit de big data tevoorschijn komen, te gaan toetsen. Daar komt best wat expertise bij kijken, om te kijken of zo'n algoritme geen onzin aan het genereren is. Voor de monteurs gaat dit betekenen dat gebouw-installaties, maar ook andersoortige installaties die traditioneel één keer worden ingeregeld, nu constant worden aangepast op basis van actuele data. Dat is iets waar je als monteur niet constant bij hoeft te blijven staan. Maar je moet wel iedere keer checken of de data die er uit komt ook nog voldoet aan de eisen en specificaties die aan dat gebouw zijn gesteld..