AI integreren in de organisatie | Klantcase RWG

← Naar klantcases

Klantcase

Predictive maintenance van AGV’s: samen met RWG AI integreren in de organisatie

IT

Wat was de situatie?

Rotterdam World Gateway (RWG) verzorgt een 24/7 operatie waarin containers continu worden geladen, gelost en verplaatst. Hierbij draait alles om betrouwbaarheid en efficiëntie. Stilstand van processen heeft direct impact op de gehele terminal.

RWG zag kansen in de inzet van kunstmatige intelligentie en data science om processen verder te optimaliseren. De vraag was alleen: hoe begin je met AI binnen een organisatie? En hoe zorg je ervoor dat je als organisatie zelfstandig verder kunt bouwen, in plaats van afhankelijk te blijven van externe consultants?

Daarom schakelde RWG i4talent in. Het doel was niet alleen om een technische oplossing te ontwikkelen, maar vooral om de organisatie zelf verder te helpen ontwikkelen op het gebied van data science.

Wat was jouw aanpak?

Samen met RWG werkten we aan de basis voor een toekomstgerichte data-aanpak. Hierbij lag de focus op drie onderdelen: een sterke datastrategie, kennisopbouw binnen het team en het ontwikkelen van duurzame technische oplossingen.

We startten met het opzetten van een robuuste datastrategie waarin strategische doelen, mogelijke use cases, data governance en benodigde data- en cloudtechnologieën in kaart werden gebracht. Deze strategie vormt de blauwdruk voor toekomstige data science projecten binnen RWG.

Daarnaast implementeerden we coding best practices en richtten we Machine Learning Operations (MLOps) in. Hierdoor blijven ontwikkelde code en machine learning modellen eenvoudig onderhoudbaar en kan RWG zelfstandig verder bouwen op de oplossingen.

Door kennis te delen en het team actief mee te nemen in het proces, leert RWG steeds meer zelfstandig data science vraagstukken op te pakken.

“Het doel was niet alleen een oplossing bouwen, maar RWG helpen om zelf verder te kunnen met data science.”

Wat was het resultaat?

Samen met RWG ontwikkelden we een machine learning model dat storingen van Automated Guided Vehicles (AGV’s) kan voorspellen. Deze autonome voertuigen vervoeren containers over de terminal en zijn een essentieel onderdeel van de dagelijkse operatie.

Voor het model werd data uit verschillende systemen verzameld, gecombineerd en geanalyseerd. Op basis hiervan kan RWG vroegtijdig signaleren wanneer een storing dreigt te ontstaan en onderhoud slimmer inplannen.

Het resultaat: minder onverwachte stilstand, een efficiëntere terminal en meer grip op onderhoud.

Daarnaast heeft RWG dankzij de opgebouwde kennis, strategie en technische fundamenten een stevige basis om toekomstige data science toepassingen zelfstandig verder te ontwikkelen.