Ga naar de inhoud

AI consultant Rotterdam

We toetsen eerst op je eigen scheeps-, sensor- of planningsdata of een model iets toevoegt, zoals voor Rijkswaterstaat bij de Botlek- en Spijkenisserbrug.

Voor Rijkswaterstaat simuleerden we de file achter een brugopening

Samen met de NGinfra-partners onderzochten we of de bediening van de Botlek- en Spijkenisserbrug met data beter kan, voor scheepvaart, goederentreinen en wegverkeer; de eerste proof of concept, met AIS-data, een congestiemodel en een LSTM, toonde aan dat het kan.

Lees de case

Welke beslissing over brug, kade of ligplaats valt nog op gevoel?

Een planner ziet in de AIS-gegevens dat een zeeschip later komt, maar schuift kranen, chauffeurs en treinpaden nog met de hand. Een model dat scheepsbewegingen, planning en verkeersdrukte combineert, kan vooraf doorrekenen wat een keuze verderop in de keten doet.

Plan een gesprek
Kraan aan de kade in de Rotterdamse Europoort bij schemering

Advies dat rekent met schepen, sensoren en camerabeelden

Bespreek je vraagstuk

Eerst een proof of concept

Of een model iets toevoegt, blijkt uit je eigen historie. Voor Rijkswaterstaat simuleerden we zo wat een brugopening met de file doet.

Cijfers voor havenbeleid

Voor Port of Amsterdam maakten we het historische gebruik van ligplaatsen inzichtelijk, zodat beleidsmakers op cijfers beslissen over meer of minder ligplaatsen.

Camera’s waar niets gemeten wordt

Bij de Floating Farm in Rotterdam hingen we zelf camera’s op en brachten we met computer vision het voerproces in beeld.

Een eigenaar na de pilot

Een model voor brugopeningen of drukte aan de kade veroudert als vaarpatronen veranderen. We spreken vooraf af wie het bewaakt, hertraint en beheert.

Het knelpunt tussen water, weg en spoor bepaalt waar we beginnen

  1. Knelpunt en ketenpartners

    Welke keuze knelt bij brug, kade of planning, en welke partijen merken het gevolg of leveren de data?

  2. Toetsen op de historie

    Een proof of concept op historische AIS-, sensor- of planningsdata laat zien of een model iets toevoegt.

  3. Voorstel in het eigen systeem

    Het model doet een voorstel in het systeem waarin de operator of planner al werkt. Die beslist zelf.

Is jullie vraag in haven, water of voedsel rijp voor AI?

Toets het in een gesprek

Past als

Je hebt historie van scheepsbewegingen, sensoren, planningen of beelden, en een terugkerende beslissing die nu op ervaring valt, zoals een brugopening, een ligplaatstoewijzing of de volgorde op een terminal.

Past niet als

De data ligt bij een ketenpartner die hem niet deelt, of de beslissing komt zo zelden voor dat een vaste regel of een goed dashboard volstaat. Dan adviseren we dat ook.

Waar de omvang van afhangt

Het aantal partijen in haven of keten dat data levert, of gegevens realtime moeten binnenkomen, hoeveel historie er is en of het bij een proof of concept blijft of in productie gaat.

Wie is eigenaar in de keten?

De twijfel zit zelden in het model, vaker in wie data deelt en wie het beheert als meer organisaties ervan profiteren. Dat leggen we vast voordat er gebouwd wordt.

Sensoren, planningen of camerabeelden: welke data zet je eerst aan het werk?

Sensoren

Kies dit als er al meetreeksen lopen, zoals AIS-posities, waterstanden of de bewaking van een brug. Ons advies bij vragen over haven en infrastructuur: die historie bestaat meestal al.

Planningen

Kies dit als de winst in volgorde en timing zit: welke brug, kraan of chauffeur wanneer gaat. Dan heb je ook de echte uitvoering nodig, zie planning optimaliseren met AI.

Camerabeelden

Kies dit als wat je wilt weten nergens wordt gemeten, zoals voer dat blijft liggen. Reken op labelwerk en AVG-afspraken; lees meer over computer vision.

Ervaring met vaarweg, haven en stadslandbouw, vanuit Amsterdam

Data Science Lab werkt sinds 2016 met data en AI en is Databricks- en Microsoft-partner. Vanuit ons Data for Good-label werkten we voor de Floating Farm. We spreken af bij jou, bij ons of online.

Plan een kennismaking

Eén beslissing op water, weg of kade is genoeg voor een eerste gesprek

Stef Stoelwinder

Stef Stoelwinder

Business Development

Je eerste aanspreekpunt. In het eerste gesprek bespreken we één beslissing in je keten, de data die erbij hoort en wie die data beheert.

Welk knelpunt tussen schip, kade en klant pak je als eerste aan?

Beschrijf het knelpunt en de data die je al hebt. Je krijgt antwoord per mail, of we plannen een eerste gesprek.

Vul een geldig e-mailadres in.

Laat ons weten waar we je mee kunnen helpen.

Veelgestelde vragen

AIS (Automatic Identification System) is het systeem waarmee schepen automatisch hun positie, snelheid en reisgegevens uitzenden. Op wateren waar het Binnenvaartpolitiereglement geldt, is het volgens Rijkswaterstaat sinds 2016 verplicht voor de beroepsvaart en voor recreatievaartuigen langer dan 20 meter. Uit die historie leid je af wanneer schepen een brug, sluis of kade bereiken.

Voor de Botlek- en Spijkenisserbrug was AIS-data een van de bronnen. Hoe data planners helpt om verstoringen in de keten eerder te zien, lees je bij data en AI voor de logistiek.

Met een congestiemodel, dat berekent hoe een file ontstaat en weer oplost als de weg tijdelijk dicht is. In de Botlek-case werkten we daarnaast met AIS-data en een LSTM, een neuraal netwerk dat patronen in tijdreeksen leert.

De proof of concept liet zien dat je het effect van een brugopening op de file kunt simuleren. Het doel op lange termijn is een systeem dat de brugoperator een openingstijd met de minste totale hinder voorstelt. De operator blijft beslissen.

Door eerst vast te leggen wie welke gegevens levert, hoe vaak en onder welke afspraken. In de regio grijpen beslissingen van beheerders in elkaar: de provincie Zuid-Holland en Rijkswaterstaat legden vast dat de Hartelbrug en de Spijkenisserbrug nooit gelijktijdig opengaan.

In de Botlek-case werkten we voor Rijkswaterstaat samen met de partners van NGinfra, het kennisplatform waarin onder meer Havenbedrijf Rotterdam, ProRail en Rijkswaterstaat samenwerken. Pas als de afspraken staan, heeft een gedeeld data- en AI-platform zin.

Havenbedrijf Rotterdam verzamelt via een IoT-platform realtime gegevens van sensoren in de haven over infrastructuur, water en lucht. Rijkswaterstaat bewaakt de werking van de Botlekbrug continu. Zulke meetreeksen zijn de basis voor predictive maintenance en voor verwachtingen van waterstand of drukte.

Een sensorreeks zegt pas iets als je hem kunt koppelen aan storingen, onderhoud en gebeurtenissen. Die koppeling kost vaak meer werk dan het model zelf.

Ja, als wat je wilt weten zichtbaar is en nergens anders wordt gemeten. Bij de Floating Farm in Rotterdam bestond het rantsoen van de koeien deels uit reststromen uit de stad, zoals bierbostel van Rotterdamse brouwerijen. Wij hingen er camera’s op en bouwden een computer vision-model om het voerproces inzichtelijk te maken en voerverspilling tegen te gaan.

Komen er bezoekers of medewerkers herkenbaar in beeld, dan geldt de AVG. Leg dan vooraf vast welke beelden je bewaart en wie ze te zien krijgt.

Bij de Botlekbrug is het doel een systeem dat de operator een openingstijd voorstelt; de operator beslist. Waar een systeem zelf handelt, blijft er toezicht: de Maeslantkering sluit volledig automatisch, maar bij verwacht hoog water houdt een team van Rijkswaterstaat het proces in de gaten en grijpt het in als dat nodig is.

In bijlage III, de hoog-risicolijst van de AI-verordening, staat AI als veiligheidscomponent bij kritieke digitale infrastructuur, wegverkeer en de levering van water, gas, verwarming of elektriciteit. Of jouw toepassing voor een brug, kering of weg daaronder valt, beoordeelt je jurist of compliance-afdeling. Welke plicht wanneer geldt, staat bij AI Act en tijdlijn.

Nee. Data Science Lab heeft één kantoor, aan de Westerdoksdijk in Amsterdam. Een gesprek kan bij jou op kantoor, bij ons of online.

Voor de Botlek-case werkten we met de NGinfra-partners aan twee bruggen in de regio, en bij de Floating Farm hingen we de camera’s zelf op.

Als een vaste regel in het bedieningsplan of de planning het al oplost, of als inzicht genoeg is. Bij Port of Amsterdam ging het om het meten en inzichtelijk maken van het historische ligplaatsgebruik, zodat beleidsmakers op cijfers kunnen kiezen.

Ook als ketenpartners hun data niet delen, helpt een model niet. Begin dan met afspraken, of met een Power BI-dashboard op de data die je zelf hebt. Is dat genoeg, dan zeggen we dat.