Skip to main content

11 weken werk terug­gebracht tot uren met AI

In sommige middenspanningsstations loeien kachels die allang uit hadden gekund. Ze verbruiken onnodig stroom, veroorzaken netverlies en kosten Stedin veel geld. Een kachel verbruikt jaarlijks gemiddeld 14.292 kWh, goed voor ruim €4.000 aan kosten. Het uitschakelen van 500 overbodige kachels zorgt daarmee voor een jaarlijkse besparing van meer dan €2 miljoen én 7 miljoen kWh netverlies. AI heeft ons geholpen veel van deze overbodige kachels sneller op te sporen.

Van idee naar uitdaging: overbodige kachels opsporen

Tijdens de Dragons’ Den in 2024 kwamen collega’s Henry Schilperoort en Ruud de Ruijter met het idee om overbodige kachels op ons net op te sporen en uit te schakelen. Bijvoorbeeld in middenspanningsstations, waar kachels regelmatig onnodig aan staan. Een mooi voorstel dat goed aansluit bij onze strategie: het net slimmer benutten.

Wat in theorie eenvoudig klinkt – ‘zet de overbodige kachels uit’ – bleek in de praktijk een uitdaging. Niemand weet namelijk precies in welke van onze ruim 15.000 stations zulke kachels staan, want ze zijn niet centraal geregistreerd.

Gelukkig heeft Stedin ruim 4,5 miljoen schouwfoto’s van middenspanningsstations. Door gebruik te maken van metadata, zoals het type ruimte of het soort object op de foto, konden we die enorme hoeveelheid terugbrengen tot 165.000 relevante foto’s. Maar dan nog is het onbegonnen werk om handmatig door duizenden foto’s te klikken op zoek naar kachels. Eén collega zou daar meer dan 11 weken fulltime werk aan hebben. Die tijd besteden we liever aan werkzaamheden waar hun expertise het hardst nodig is.

De oplossing: AI

In plaats van zelf alle foto’s te bekijken, ontwikkelde het Data Office software om beelden automatisch en grootschalig te laten beoordelen door AI-modellen van OpenAI. Het GenAI-team van het Digitale Innovatieteam gaf advies bij de aanpak en deelde ervaringen uit vergelijkbare toepassingen.

Elke afbeelding wordt samen met een gerichte vraag (prompt) naar Azure OpenAI gestuurd, en het model stuurt het antwoord terug naar onze systemen. Zo kunnen we snel en betrouwbaar bepalen of er een kachel op een foto staat en deze detectie automatisch registreren.

Het resultaat

99% van de foto’s bleek geen kachel te bevatten en konden we uitsluiten. Slechts 2.100 beelden moeten nog handmatig worden gecontroleerd. Dit levert een tijdswinst op van ruim 450 uur klikwerk (oftewel 11 werkweken). Tijd die we nu kunnen gebruiken voor andere werkzaamheden.

En nu?

De overgebleven 2.100 beelden worden momenteel beoordeeld door Asset Performance Management. Op basis daarvan kunnen we kachels gericht uitschakelen of, waar nodig, voorzien van een tijdklok.
Zo zetten we met behulp van AI concrete stappen voor minder verspilling en slimmer netgebruik. En daar stopt het niet, want deze aanpak krijgt inmiddels een vervolg. We zetten dezelfde slimme techniek nu ook in voor het automatisch herkennen van gevaarlijke vloerluiken of uitsparingen en asbesthoudende ventilatiekappen.

Interessant voor jou?

Blijf aangesloten op nieuwe kansen

Schrijf je in voor onze job alert! We sturen je de leukste vacatures die perfect aansluiten bij jouw profiel.

Meld je aan voor de job alert

A smiling construction worker wearing a yellow safety jacket and white helmet standing outdoors near a building site.