Barry van ’t Padje: brandweerincidenten helemaal niet zo onvoorspelbaar als we denken

Brandweer Amsterdam-Amstelland loopt voorop in de wereld van Veiligheidsregio’s als het gaat om digitalisering en digitale transformatie. We spraken Informatiemanager Barry van ’t Padje, verantwoordelijk is voor de ontwikkeling van een informatiegestuurde brandweerorganisatie. Ynformed helpt hierbij.

Barry van 't Padje
Barry van ’t Padje – Informatiemanager bij brandweer Amsterdam-Amstelland

‘Het is een enorm cliché maar zo waar: we leven niet in een tijdperk van veranderingen, maar een verandering van tijdperk. Ik beschrijf deze fase als de migratie naar cyberspace. Informatie en processen in de gedataficeerde samenleving staan niet langer op statisch papier, maar vinden plaats in online omgevingen. Dat betekent dat er heel veel dingen tegelijkertijd gaan veranderen en we anders en slimmer gaan werken. Sommige processen zullen volledig autonoom gaan plaatsvinden’, begint Van ’t Padje.

Slimme brandpreventie: automatisch zuurstof wegzuigen

Als herkenbaar voorbeeld van een toepassing uit de brandweersector noemt hij autonome brandbestrijding. ‘De meeste datacenters hebben sensoren om brand te detecteren en machines aan te sturen die de brand bestrijden. Bijvoorbeeld door alle zuurstof uit de ruimte te zuigen. Het vuur dooft direct. Vooral op de plekken van groot economisch belang zie je dat dergelijke kansen voor slimme brandpreventie al volop worden benut.’

Is een pdf nog informatie?

Onderdeel van de migratie naar cyberspace is dat gerichte acties worden ondernomen op basis van actuele omstandigheden. Kansen daarvoor ziet Van ‘t Padje binnen het veiligheidsdomein nog veel meer. Niet enkel bij (preventie van) incidenten, maar ook als het gaat om besluitvorming. ‘De manier waarop beleidskeuzes worden vastgelegd in besluiten, beleid en wet- en regelgeving is op dit moment niet werkbaar voor machines. Eigenlijk zouden machines de werkelijkheid moeten kunnen beschrijven in beleidstaal. Waar zijn welke veiligheidsmaatregelen om welke reden voorgeschreven? Hebben deze maatregelen de effecten die ervan verwacht werden? Zijn de risico’s echt zo groot als verondersteld?  Maar dan moeten we de besluiten en wet- en regelgeving wel op zo’n manier vastleggen en codificeren dat machines deze kunnen gebruiken. En dat is dus wat anders dan het als een pdf opslaan.’

Het uitrollen van real-time datagestuurde oplossingen en het toepassen van data science op grotere schaal vraagt nog wel tijd bij de Veiligheidregio. ‘We meten heel veel, en we weten heel veel, maar we moeten deze informatie ook goed opslaan, gegevens eenduidig registreren en beschikbaar maken. Pas dan kunnen we ook algoritmes ontwikkelen en data mining-technieken toepassen. Dat gebeurt nu nog te weinig in ons domein, ook omdat de voorbereidingen nog niet zijn getroffen.’

Brandweer Amsterdam-Amstelland investeert in de toekomst met een data vault

Van ’t Padje investeert daarom in de toekomst en is volop bezig met digitale transformatie. Onder andere door met zijn team, versterkt met een data scientist vanuit Ynformed, hieraan te werken. Deze inzet vindt plaats via Y-flex detachering: een flexibele formule voor snelle detachering van een data scientist met kennis van de sector. Zo kan snel resultaat en impact kan worden gerealiseerd in een bestaand of nieuw project. In het geval van Amsterdam-Amstelland lag de opzet van het project er al en kon er direct worden gestart.

Het eerste resultaat waar we als Ynformed naartoe werken is een geautomatiseerd operationeel dagrapport dat iedereen in de organisatie op de hoogte houdt van de gebeurtenissen van de afgelopen 24 uur. Dat klinkt eenvoudig, maar aan de achterkant betekent dit dat we verschillende bronsystemen moeten ontsluiten, combineren en beschikbaar maken. Hiertoe ontwikkelen we een Data Vault. We ontwikkelen het zodanig dat er in de toekomst relatief eenvoudig andere bronsystemen op aangesloten kunnen worden. Het operationeel dagrapport vraagt naast data engineering om heldere visualisatie. Je wilt als veiligheidsprofessional in één oogopslag een beeld kunnen krijgen van recente incidenten, meldingen en acties.

De data science bril

Alhoewel de data science component nog relatief klein is binnen dit project (er komt tot op heden geen machine learning aan te pas), helpt het wel om er door een data science bril naar te kijken. Als data scientist richt je de datavoorziening het liefst dusdanig in dat je deze later ook kan gebruiken als basis voor voorspelmodellen. Dat heeft bijvoorbeeld gevolgen voor het type database dat je gebruikt, maar ook voor de manier waarop je data modelleert. Ynformed werkt het liefst met granulaire data: data van een zeer hoog detailniveau. Dit geeft je op het moment dat je een voorspelmodel wilt ontwikkelen namelijk de benodigde vrijheid wanneer je kenmerken (i.e., features) selecteert en/of samenstelt.

Niet zo onvoorspelbaar als we denken

Directe impact? Die is nog niet zichtbaar, maar het zijn de voorbereidingen die logisch en noodzakelijk zijn als we nadenken over de toekomst van bijvoorbeeld de brandweer. Barry van ’t Padje: ‘Als we gegevens goed registreren en ontsluiten, kunnen we zelflerende systemen ontwikkelen die vooruit kunnen voorspellen. Natuurlijk, een incident blijft een incident, dus de voorspelling zal niet op het niveau zijn dat we weten in welk gebouw brand ontstaat op welk exact tijdstip. Maar we kunnen wel op grotere schaal nauwkeurig voorspellen hoeveel incidenten de brandweer in welk gebied kan verwachten op basis van historische en real-time gegevens. Incidenten gedragen zich helemaal niet zo onvoorspelbaar als we soms denken.’

 

 

 

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *