Wat was uw grootste uitdaging?

De uitdaging was het vertalen van ruwe videobeelden en GPS-signalen naar bruikbare data voor asset managers om reparatieteams in te zetten.

Wat was de oplossing?

Samen met datawetenschappers van de haven van Rotterdam bouwde een Dataworkz ML-engineer een schaalbaar videoprocessing- en AI-platform. We splitsten de analyse in stappen: het herkennen van activa in videobeelden, het toevoegen van GPS-coördinaten door extrapolatie van de GPS van de auto, en het gebruik van expertmodellen om schade te beoordelen. Resultaten werden opgeslagen in een database en er werd een gebruikersdashboard bovenop gebouwd.

Wat was het resultaat?

We zijn succesvol overgestapt van een experimentele fase naar een minimum levensvatbaar product.

Wat heeft u geleerd?

• Cloud-beheerde machine-learningdiensten zijn geweldig voor experimentatie, maar kunnen de schaalbaarheid, kostenefficiëntie en maatwerk die nodig zijn voor volwassen producten ontberen, wat de prestaties en betrouwbaarheid op schaaluitdagingen maakt.

• Het vereenvoudigen van complexe producten vereist voortdurende inspanning en doordacht ontwerp, het opdelen van systemen in beheersbare componenten en het behouden van duidelijkheid en bruikbaarheid.

Wat vond u het leukst?

De directe link tussen ons werk en de toepassingen in de echte wereld was ongelooflijk lonend. De haven in gaan, gegevens opnemen, de pijpleidingen zelf testen en een gecompliceerd handmatig proces automatiseren dat leidt tot een geheel nieuwe manier van werken, is iets unieks om te ervaren.

"Het MLI-project brengt ons een stap verder in de effectieve en objectieve inspectie van grote hoeveelheden activa. Hoewel het een langdurig proces is, hebben we het geluk te zien dat de reis zelf al heeft geleid tot opmerkelijke en waardevolle inzichten. Het MLI-proces brengt kennisgebieden dichter bij elkaar, wat van grote waarde is voor een toekomstbestendige organisatie."

Marlot Schoenmaker – Programmamanager van Digitale Transformatie Asset Management