Schiphol beheert een enorme hoeveelheid assets die essentieel zijn voor een soepele passagiersreis: roltrappen, liften, draaideuren, passagiersbruggen, warmtepompen en meer. Als één van die assets uitvalt, heeft dat direct impact op doorstroming, comfort en operatie. Daarom investeert Schiphol in datagedreven asset management: sneller storingen signaleren én slimmer onderhoud plannen.

Always be learning heeft Schiphol ondersteund binnen het Smart-Ticketing team (Asset Management) met data-analyse en data science om zowel de kwaliteit van tickets te verbeteren als de basis te leggen voor Predictive Maintenance.

De uitdaging

Schiphol gebruikt Smart Ticketing als geautomatiseerd ticketingsysteem om storingen vroeg te detecteren en de overlast voor passagiers te beperken. De uitdaging zat in twee dingen:

• Opschalen en verbeteren van Smart Ticketing: nieuwe assetgroepen toevoegen en zorgen dat tickets kwalitatief goed en consistent zijn, zodat de operatie er écht op kan sturen.
• Van reactief naar voorspellend onderhoud: Predictive Maintenance modellen technisch landen in de bestaande IT-infrastructuur, inclusief de juiste data, features en targets.

Zonder goede datakwaliteit, duidelijke signalering en betrouwbare monitoring ontstaat ruis: te veel of onjuiste tickets, minder vertrouwen in het systeem en gemiste kansen om storingen te voorkomen.

Onze aanpak

We hebben Smart Ticketing verbeterd door grote hoeveelheden operationele data uit SCADA-systemen te analyseren met SQL en Python. Daarbij werkten we nauw samen met stakeholders en developers om verbeterpunten in het product te identificeren en direct door te vertalen naar concrete aanpassingen. Daarnaast hebben we monitoring voor de dagelijkse operatie versterkt met een Splunk-dashboard, zodat bedrijfsvoering sneller ziet wat er gebeurt en waar actie nodig is. Parallel daaraan is gewerkt aan Predictive Maintenance: het ontwikkelen en testen van machine learning modellen en het onderzoeken van de juiste input (features) en doelvariabelen (targets). Belangrijk hierbij was niet alleen modelperformance, maar vooral implementatiebaarheid binnen de Schiphol IT-context.

Resultaat

Samenwerking & rol van de specialist

Binnen deze opdracht is Janna Berkhout vanuit Always be learning als Data Analist & Scientist onderdeel geworden van het Schiphol data team, zij schakelde tussen data, IT en operatie: van deep-dives in SCADA-data tot afstemming met stakeholders en technische implementatievraagstukken rond ML-modellen.

“De stap van reactief naar voorspellend onderhoud draait niet alleen om modellen, maar vooral om datakwaliteit en hoe je het technisch inbedt in de bestaande infrastructuur.”

Ook storingen eerder signaleren of onderhoud slimmer plannen?

Wil je meer grip op asset performance, minder verstoringen en betere voorspelbaarheid in de operatie? We helpen je met data-analyse, monitoring en (predictive) modellen die passen bij je processen én je IT-landschap. Neem contact op om je vraagstuk te bespreken of plan een 'data impact sessie' om te bepalen wat de snelste route naar impact is.

PS. Ben je een data specialist, spreekt dit verhaal jou aan en lijkt het je leuk om veel te leren en afwisselende opdrachten te doen? Wij zoeken goede en leuke collega’s om ons team te komen versterken! Kijk op onze vacaturepagina voor meer informatie over hoe het is om bij ons te werken en de openstaande vacatures.

Alle afbeeldingen: Schiphol (https://www.schiphol.nl/)

‍