Seminar, De Reehorst Ede, 02-11-2021
Datagestuurd Woningonderhoud 2021

 

  • “Big Data gaat het woningonderhoud de komende jaren revolutionair veranderen.”
  •  “Besparingen van 20% - 40 % op onderhoudskosten zijn zeker mogelijk”

 

Toen we drie jaar geleden de eerste bijeenkomst over Datagestuurd woningonderhoud organiseerden waren de verwachtingen van de mogelijkheden van toepassing van big data en data science om van preventief naar predictief onderhoud te gaan bijna grenzeloos. Veel corporaties hadden pilots opgestart om de mogelijkheden te verkennen.

Inmiddels blijken inmiddels vrijwel alle pilots van toen, ook die we in onze seminars presenteerden, te zijn stopgezet.

De reden: de onvoldoende kwaliteit van vooral de eigen data.

Op zich blijkt de uitspraak van Johan Cruijff ook in dit geval niets aan geldigheid te hebben ingeboet: voordeel van de mislukte pilots is duidelijk werd dat de eigen data een grote kwalitatieve upgrade behoefden.  

Maar gewoon erg jammer is het wel, omdat in andere sectoren inmiddels is gebleken dat datagestuurd werken -mits uiteraard met kwalitatief correcte data – echt grote voordelen kan oplevert zowel kwalitatief als financieel!

Alle reden dus om ons tijdens het seminar Datagestuurd Woningonderhoud op 2 november 2021 te focussen op de basis van datagestuurd werken: de data!

Tijdens het seminar vliegen we het vraagstuk van datakwaliteit aan vanuit twee richtingen: één vanuit de data van de corporatie zelf en één vanuit externe, door middel van beeldherkenning en machine learning verrijkte externe data.

Uitgangspunt daarbij is: hoe kunnen we zo snel mogelijk op het punt komen waarop we kunnen gaan profiteren van de mogelijkheden die datagestuurd werken biedt voor woningonderhoud?                      

Vijf sprekers delen de kennis en praktijkervaring die ze de afgelopen jaren hebben opgedaan:  

 

  • Marly Claassen, neemt je aan de hand van het Spiral Dynamics Model mee door het proces van data op orde krijgen naar daadwerkelijk datagestuurd werken. Dit doet ze aan de hand van concrete voorbeelden uit haar praktijk. Daarbij gaat ze ook in op het grote belang van het creëren van evenwicht tussen enerzijds data ontwikkeling (data fundament als enabler ) en anderzijds organisatie ontwikkeling (proces overstijgende doelen).
  • Harmen Faber vertelt over hoe ze bij Actium aan de slag gegaan zijn met het inrichten van een centraal dataplatform, dat dient als datahub voor zowel interne als externe partners. Hij gaat daarbij in op de doelstellingen, de hobbels in het proces (én de toegepaste oplossingen!) en presenteert de eerste resultaten.
  • Dirk Huibers presenteert de stand van zaken van de pilot Predictief gevelonderhoud met behulp van externe data, beeldherkenning en machine learning 2.0, Deze pilot startte hij samen met ruim 12 corporaties op. Inmiddels is deze  doorgegroeid naar een volwassen aanpak en werkt hij ook voor een aantal Britse sociale huisvestingsorganisaties.
  • Fred Jak gaat in op de consequenties die het gebruik van externe data als van Spotr hebben voor de eigen organisatie, voor de medewerkers, de benodigde competenties én voor de manier van werken van een corporatie.
  • Ten slotte wordt aangegeven hoe innovatief gebruik van data en data science bijna automatisch weer nieuwe innovaties leidt.

 

Big Data

Woningopnamen, inspecties en conditiemetingen leveren veel waardevolle data. Verzamelen van deze data, gebruik van (complexe) algoritmes en een structurele analyse van de uitkomsten kan belangrijke input leveren voor het verbeteren van het onderhoudsproces en beslissingen zoals het uitstellen of juist naar voren halen van onderhoud. Daarbij wordt het mogelijk om verschillende onderhoudsprocessen onderling op elkaar af te stemmen en te integreren, Dat dit zowel qua bewonerstevredenheid als op financieel vlak grote voordelen biedt is evident.

Enkele voorbeelden:

Op basis van deze Big Data kunnen de financiële risico’s van bijvoorbeeld vervolgschade bij uitstel beter worden voorspeld. Hiermee krijgt een onderhoudsplanning en -begroting een steviger fundament en een meer wetenschappelijke onderbouwing.

Ook kan meer inzicht worden verkregen in de noodzaak van bepaalde scenario’s. Op dit moment is het vaststellen van maatregelen op basis van de inspectiegegevens een lastige taak, zelfs voor techneuten. Big Data kan daarbij een belangrijke ondersteuning bieden.

Daarbij levert goed gebruik van data de mogelijkheid de resterende levensduur van bouwdelen beter te voorspellen. Aan de hand daarvan kunnen opdrachtgevers en opdrachtnemers onderhoudsintervallen onderbouwd oprekken en dus kosten besparen. Door monitoring en diagnose op afstand is het ook mogelijk om (schaarse) technici effectiever in te zetten.

Tenslotte is het zeer goed denkbaar dat door gebruik te maken van de juiste data de frequentie van metingen in de praktijk drastisch kan worden verlaagd. Ook dat bespaart geld. Ook binnen planmatig onderhoud kan gedacht worden aan continu metingen met sensoren van belangrijke referentie bouwdelen.