Gesponsord

TNO: 'Slimmer prioriteren, efficiënter renoveren'

TNO: 'Slimmer prioriteren, efficiënter renoveren'
‘Door data uit verschillende bronnen te verzamelen ontstaat beeld van de conditie van een bouwwerk.’

De specialisten van TNO doen er alles aan om wetenschappelijke kennis toe te passen in de praktijk. Met InfraScan ontwikkelt TNO een systeem waarmee beheerders van civiele infrastructuur de renovatieopgave veel sneller, nauwkeuriger en onderbouwd kunnen plannen en prioriteren.

In Nederland hebben we meer dan 100.000 civiele kunstwerken: bruggen, sluizen, tunnels, stuwen en gemalen. Ze houden ons mobiel en veilig. Maar het overgrote deel stamt uit de jaren 50 en 60 en is in de komende decennia toe aan vervanging of renovatie. Een enorme opgave, maar niet alles hoeft tegelijk. Dus wat is urgent, en wat kan wachten? “Die vraag is niet zo eenvoudig te beantwoorden, want actuele en accurate data over het onderhoud en de conditie van al deze objecten ontbreekt vaak”, vertelt Esra Bektas, Senior Scientist Specialist bij TNO. “Door de jaren heen is deze informatie onvolledig bijgehouden, of verspreid en inconsistent opgeslagen. Daarom schatten beheerders de renovatiebehoefte nu vaak in op basis van statistische methodes, die verre van nauwkeurig zijn.”

‘Zijn overzicht kwijtgeraakt’

“We zijn langzaam maar zeker het overzicht over onze infrastructuurobjecten kwijtgeraakt”, zegt Bektas. “Wat is er aan onderhoud en renovatie gedaan, wat is de huidige staat van het object? Dat is de basis die we weer op orde moeten krijgen. Daarvoor is al heel veel data beschikbaar, bijvoorbeeld in inspectierapporten. Het gaat niet altijd om meer data verzamelen, of meer AI toepassen. We moeten de informatie die voorhanden is beter ontsluiten.” Daarom ontwikkelt TNO in nauwe samenwerking met Rijkswaterstaat InfraScan: een slim systeem dat inzicht moet geven in de renovatiebehoefte van bouwwerken.

Hoe werkt InfraScan?

“Met InfraScan zetten we het kunstwerk weer centraal”, legt Bektas uit. “Door data uit verschillende bronnen te verzamelen, structureren en te koppelen, ontstaat een duidelijk beeld van de conditie en historie van een bouwwerk. Denk aan technische gegevens, zoals afmetingen, materialen en ontwerpdetails. Maar vooral ook onderhouds- en renovatiegegevens.”

De kern van InfraScan bestaat uit semantische modellen en linked data technieken. Deze brengen data uit verschillende bronnen samen en geven informatie een eenduidige betekenis, zodat systemen deze beter kunnen combineren en interpreteren. Large Language Models ondersteunen dit proces door ongestructureerde data, zoals pdf’s van inspectierapporten, te ontsluiten. Slimme analytische methodes helpen om degradatiepatronen zichtbaar te maken. Nieuwe data over inspecties of onderhoud kan eenvoudig worden toegevoegd, zodat het beeld steeds completer en actueler wordt.

Succesvolle pilot

InfraScan helpt asset managers om onderbouwde en efficiënte keuzes te maken. Het systeem is gebouwd op een open source framework en is modulair, waardoor het eenvoudig te koppelen is aan bestaande IT-systemen. Bektas: “Tijdens eerste pilots voor Rijkswaterstaat hebben we InfraScan succesvol toegepast op de sluizen- en bruggenportfolio van Rijkswaterstaat. Met deze analyse hebben we bijvoorbeeld twee sluizen geïdentificeerd die prioriteit hebben, maar nog niet eerder waren opgemerkt. Met InfraScan kunnen we voortaan sneller en nauwkeuriger bepalen welke objecten aangepakt moeten worden dan met de huidige prognose­methodes.”

Dit artikel is gesponsord door TNO.

Onderwerpen beheren

Mijn artikeloverzicht kan alleen gebruikt worden als je bent ingelogd.