Het data science team draagt met het toepassen van data science analyses en implementeren van informatieproducten bij aan een gezonde, veilige en duurzame leefomgeving. Samen met u richten we ons op domeinoverstijgende vraagstukken gerelateerd aan de waterketen, zoals: waterkwaliteit, watersysteem, asset- en energiemanagement, overstromingsrisico’s en klimaatadaptatie. Door data uit deze werkvelden te combineren helpen we u om nieuwe inzichten te krijgen en processen te optimaliseren.

Ons data science team is cross-functioneel opgebouwd, met teamleden uit het consultancy en IT werkveld. Deze teamsamenstelling zorgt voor een efficiënte, snelle en begripvolle samenwerking. Het enthousiasme voor het werken met data is wat ons bind. De bundeling van disciplines stelt ons in staat om elke uitdaging op te lossen. Concreet bestaat ons team uit de volgende specialisten:

  • Data scientists – hebben domeinkennis en weten welke methodiek het best uw uitdaging op kan lossen en kunnen informatie begrijpbaar presenteren in een informatie product.
  • Data engineers – hebben kennis over het inirchten van datastromen voor het operationaliseren van informatieproducten.
  • Solutions architects – hebben kennis over welke methodieken het best werken binnen verschillende organisaties en applicatielandschappen.

Ontmoet het team

Cases

Kunstmatige Intelligentie Stuurt Riolering

De gemeente Almelo heeft een systeem dat schuiven en gemalen in de riolering aanstuurt om water over de stad te verdelen en berging te optimaliseren. De gemeente wil dit real-time controlsysteem (RTC) optimaliseren om zo overstorten en water op straat te beperken en in de toekomst ook onderhoud te voorspellen en het energieverbruik te verminderen.

Lees meer

Automatische Beeldherkenning voor Monitoring van Rietareaal

Rijkswaterstaat heeft een nieuw, flexibel, peilbesluit vastgesteld voor het IJsselmeer. Elke zes jaar wordt het effect van dit flexibele peil geëvalueerd op verschillende criteria zodat eventueel kan worden bijgestuurd. Eén van de criteria is de kwaliteit en het totaal areaal van de rietoevers langs het meer. Om beter inzicht in de rietovers te krijgen is een grootschalige meetcampagne opgezet waarbij jaarlijkse veldmetingen worden gecombineerd met hoge resolutie luchtfoto’s. Met slimme luchtfoto segmentatie en machine learning classificatie technieken is op hoog detailniveau, en  automatisch, informatie over het rietareaal te bepalen. Deze informatie geeft samen met de veldmetingen, meteorologische gegevens en waterstandsmeetreeksen van Rijkswaterstaat inzicht in de condities van het riet.

Lees meer

Multi-objectieve optimalisatie voor een nul-op-de-meter

Voor de afstemming tussen de energievraag en het aanbod van duurzame elektriciteit is een real-time controlsysteem ontwikkeld, genaamd LOGiC Texel. Een optimalisatiemodel lost het water- en energievraagstuk integraal op en bepaalt op basis van eigen opgewekte zonne-energie de optimale aansturing van de objecten waarbij de waterbeheertaken geborgd zijn.

Lees meer

Het simuleren van grondwaterstanden met Machine Learning

Door data van grondwaterstanden te analyseren en te simuleren kunnen we het inzicht in het hydrologische systeem verbeteren. Met Machine Learning technieken of tijdreeksanalyses kunnen wij het gedrag van grondwaterstanden als reactie op variabelen simuleren en verklaren.

Lees meer

Rijkswaterstaat Datalab – Energielabels Tunnels en Gemalen

Rijkswaterstaat heeft een grote variëteit aan assets in eigen beheer. Onder deze assets vallen onder andere tunnels en gemalen. In het kader van de duurzaamheidsambities van Rijkswaterstaat is het belangrijk om het functioneren van de assets zo goed mogelijk te regelen. Om de performance van de assets te monitoren is er een generieke tool ontwikkeld, het energie dashboard.

Lees meer

Predictive maintenance van rioolgemaal Zuidbroek

Een storing in een gemaal kan leiden tot (vuil)wateroverlast. Om dat te voorkomen worden gemalen vind onderhoud periodiek plaats. Ondanks dit onderhoudsplan kan natuurlijk altijd een storing optreden door bijvoorbeeld verstopping. Monteurs moeten dag en nacht beschikbaar zijn om dit te verhelpen. In een ideale wereld zou je inzicht willen in het risico op een storing en daarmee de periodieke onderhoudsstrategie te veranderen richting een risico-gestuurde onderhoudsstrategie; predictive maintenance. In een studie voor gemaal Zuidbroek hebben een dashboard ontwikkeld dat storingen voorspeld op basis van machine learning en een operationeel model.

Lees meer

Machine learning toegepast op de toevoer van afvalwater

Hoogheemraadschap Hollands Noorderkwartier wil klimaatneutraal haar objecten aansturen en is daarom in 2018 gestart met een proeftuin op het eiland Texel. De rioolwaterzuivering Everstekoog is de grootste afnemer van elektriciteit, om deze energieneutraal te laten draaien is een goede verwachting van het afvalwater nodig. Hiervoor hebben we machine learning toegepast.

Lees meer

Data Science Studie Doorstroomcapaciteit

Ieder jaar varen de maaiboten van Hoogheemraadschap Hollands Noorderkwartier uit om onderhoud aan de watergangen te plegen. Het maaien van de watergangen is van belang om ervoor te zorgen dat de doorstroomcapaciteit geborgd wordt en om wateroverlast te voorkomen. Er is veel winst te behalen wanneer watergangen specifiek gemaaid kunnen worden wanneer het nodig is. Door te bepalen welke watergangen opstuwen kan veel efficienter gemaaid worden. Om te bepalen binnen welke peilgebieden de watergangen slecht doorstromen zijn twee analyses ontwikkeld, één gebaseerd op het pendelgedrag van eindgemalen en één gebaseerd op satelietbeelden. Met behulp van deze analyses kan er gerichter gemaaid worden.

Lees meer

Het opstellen van een lean-business case

Stap 1

Hypothese, doel en doelgroep

Samen bespreken we uw informatiebehoefte en hypothese. We stellen een doel vast dat verbonden is aan de hypothese en welke indicatoren u daarvoor op het oog heeft. Ook bespreken we de beoogde doelgroep die de informatie gaat gebruiken in het werkproces.

Stap 2

Scope en lijst
van eisen

Samen stellen we de scope van het informatieproduct vast. Aan welke informatiebehoefte moet het product minimaal voldoen om bruikbaar te zijn?

Stap 3

Data- & methode-onderzoek

Samen bespreken we welke databronnen u tot uw beschikking heeft. Daarna gaat ons team van data scientists een onderzoek doen naar de bruikbaarheid van de databron en welke data science technieken het meest geschikt zijn om de benodigde informatie af te leiden uit de beschikbare data.

Stap 4

Opstellen van de lean business case

Samen met u stellen we de lean business case waarin de kosten en baten worden afgewogen. We geven een advies en op basis van de lean business case volgt er een go/no-go moment om uw informatievraagstuk verder uit te werken.

Klaar om data science in de praktijk te brengen?

  • Dit veld is bedoeld voor validatiedoeleinden en moet niet worden gewijzigd.
close