Machine learning en data science

12-09-2018

Wie de actualiteiten volgt zal wellicht weten dat er een transitie gaande is naar een data-gedreven maatschappij. Door toepassing van sensoren en dataopslag komen steeds meer digitale gegevens beschikbaar. De totale hoeveelheid data in de wereld betreft inmiddels miljarden gigabytes. Elke 2 tot 3 jaar verdubbelt de hoeveelheid data wat tevens leidt tot een toename van data-utilisatie. Hier kan bijvoorbeeld worden gedacht aan het optimaliseren van logistieke processen ten behoeve van kostenreductie. Een ander voorbeeld is het diagnosticeren van ziektes en het voorspellen van meest effectieve behandelmethodes. Weer een ander voorbeeld heeft betrekking op het ontwikkelen van staal met zeer hoge kwaliteit. Zomaar enkele willekeurige voorbeelden uit een lange lijst van talloze toepassingen. En het aantal toepassingen blijft alleen maar toenemen.

Uitgebreid onderzoek
Binnen de bouwwereld is de toepassing vooralsnog beperkt, maar dit verandert snel. Om onze opdrachtgevers zo goed mogelijk van dienst te zijn in de snel veranderende samenleving is bij ons het afgelopen jaar uitgebreid onderzoek gedaan naar machine learning en data science en hoe dit kan aansluiten binnen onze bestaande vakgebieden. Wij beogen een verdere integrale benadering van fysische modellen, machine learning en data.

Relevantie en potentie
Dankzij het sterk abstracte en conceptuele karakter van machine learning en data science is het toepassingsveld zeer breed en zijn de eerste implementaties reeds tot stand gekomen voor de vakgebieden energie en comfort, geluid en trillingen, wind en milieu. Een concreet voorbeeld betreft het ontwikkelen van zelflerende regelingen van klimaatinstallaties van gebouwen om optimaal comfort en energiegebruik te garanderen. Een ander concreet voorbeeld heeft betrekking op het nauwkeuriger kunnen meten van geluid- en/of trillingniveaus met minder fysieke apparatuur. Zomaar twee voorbeelden van onderzoek naar de toepassing van machine learning en data science dat het afgelopen jaar bij ons is uitgevoerd. Of het nu gaat om het voorspellen en/of classificeren van fysische fenomenen, het optimaliseren van methodieken, regelingen e.d., in korte tijd is de relevantie en potentie van machine learning en data science over ons totale werkveld duidelijk geworden.

Advisering door Peutz
Ook onze opdrachtgevers zullen in de toekomst in aanraking komen met deze nieuwe data-gedreven benadering. Door de koppeling tussen fundamentele kennis, praktijkervaring en machine learning en data science kunnen wij u ook in de data-gedreven maatschappij hoogwaardige diensten verlenen. Voelt u zich vrij contact op te nemen wanneer u hier meer informatie over wenst.

Contact: Robbert-Jan Dikken - r.dikken [at] peutz.nl