Slim Onderhoud Voorkomen lekkages en onnodige kosten. Seminar Datagestuurd Woningonderhoud

Transcriptie

1 Slim Onderhoud Voorkomen lekkages en onnodige kosten Seminar Datagestuurd Woningonderhoud

2 Ralf Putter Business Consultant John Ciocoiu Technisch Consultant Data & Analytics Slim Onderhoud Value case Project aanpak De techniek Resultaat In praktijk 2

3 Data-Ecosystemen

4 Slim Investeren, Gerichte Innovaties in Duurzaamheid Gericht renovaties Versnellen verduurzaming woningen Besparen op verduurzamingskosten

5 Pratende huizen zijn de toekomst Youtube Link

6 Samen slim beheren Samenwerking Ymere, Consolidated & KPN 6

7 Bepalen Value Case Hoge Onderhoudskosten Huidige werkwijze niet optimaal Voornamelijk dakonderhoud Vervuilde dakgoten 750 lekkages / jaar door gootvervuiling Slim en voorspelbaar onderhoud 7

8 Wanneer kunnen de dakgoten het beste worden gereinigd? Hypothese Het optimale moment van reinigen is vlak vóórdat het dak zal gaan lekken door gootvervuiling, dus Niet te vroeg (onnodig onderhoud) en Niet te laat (mogelijke lekkage tot gevolg). 8

9 Van data naar kennis Klein beginnen, dan opschalen Vraag Beslissing Data EDA* Model Interpretatie Communicatie Databronnen verzamelen en uitlezen Data analyseren, interviews en dataset bouwen Trainen, testen, tunen Vertalen modeloutput naar informatie en inzicht Input voor business case en vervolgstappen * Exploratory Data Analysis 9

10 Inbreng van experts Combineren databronnen en kennis KNMI Interviews Experts Data Ymere dakota DakData Dataset Per maand Per Dak

11 Model trainen en testen Machine learning principes nummer Jaar Maand Eigenschap 1 Eigenschap N Gelekt? B A 1 Ja B 0 Nee B 1 Nee B A 1 Ja B 0 Nee B 1 Nee B A 1 Ja B 0 Nee B 1 Nee B A 1 Ja B 0 Nee B 1 Nee Training dataset (2014 t/m feb. 2017) Model trainen Random Forest Model B A 1 Ja B 0 Nee B 1 Nee B A 1 Ja B 0 Nee B 1 Nee B A 1 Ja B 0 Nee B 1 Nee 99 XXX X X X Ja Test dataset (maart 2017) 11

12 Historische # lekkages beste voorspeller Welke features zijn er nog meer? 12

13 Vergelijking voorspelling met werkelijkheid True of false positive of negative Werkelijkheid (Label) Voorspelde waarde (Prediction) Lekt Lekt niet Lekt True positive False negative Lekt niet False positive True negative True positive: we voorspellen dat het dak lekt en het lekt in werkelijkheid False positive: we voorspellen dat het dak lekt en het lekt niet in werkelijkheid True negative: we voorspellen dat het dak niet lekt en het lekt niet in werkelijkheid False negative: we voorspellen dat het dak niet lekt en het lekt in werkelijkheid 13

14 Relatie onnodig onderhoud & lekkages ROC-curve en AUC Theoretisch optimum Model Area Under Curve Willekeurige voorspelling Bijvoorbeeld: 40% van de gootlekkages kan correct worden voorspeld met minder dan 5% onterecht aangegeven gootlekkages 14

15 Planning dashboard 15

16 Planning dashboard Integratie in Dakota 16

17 Business case Berekening op basis van kosten O.b.v. gootlengte O.b.v. gootlengte 0,00 Kosten reparatie en vervolgschade True positive Voorspelling: het lekt Werkelijkheid: het lekt False positive Voorspelling: het lekt Werkelijkheid: het lekt niet True negative Voorspelling: het lekt niet Werkelijkheid: het lekt niet False negative Voorspelling: het lekt niet Werkelijkheid: het lekt Onderhoud op tijd Onnodig onderhoud Geen onderhoud nodig Lekkage 17

18 Laten lekken goedkoper!? Dak laten lekken is goedkoper dan onderhoud doen (opzoeken kantelpunt) o Onderhoudskosten op basis van meters o Lekkage reparatiekosten plus vervolgschade is fixed price o Hierin geen rekening gehouden met bewonersgemak! Gootlengte kantelpunt = 220 meter Zorgvuldig kiezen van juiste uitgangspunten: Voorkomen dat het model z n effectiviteit verliest door eigen invloeden door meting van mate van vervuiling 18

19 ? Ralf Putter John Ciocoiu