Visterin Verdiept: Vijf it-projecten, acht trends

Wat kunnen we leren over de belangrijkste it-projecten in België? Wat is mogelijk en wat cruciaal? We zoeken het uit aan de hand van onze vijf genomineerden voor de IT Project of the Year-award van Computable.

Politie Antwerpen, SPG Dry Cooling, Puratos, Ebox en het Onze-Lieve-Vrouwziekenhuis in Aalst. Dat zijn in willekeurige volgorde de vijf genomineerde projecten, waarvan de winnaar woensdag 31 maart wordt bekendgemaakt op de digitale editie van Infosecurity.be, Data & Cloud Expo

1. Doorgedreven efficiëntie

Automatisering moet efficiëntie mogelijk maken, en dat blijkt ook uit de genomineerde it-projecten. Een goed voorbeeld is Focus, het project bij de Antwerpse politie. Zij ontwikkelden, in samenwerking met Orange Cyberdefence een platform dat hun agenten op een efficiënte manier aanstuurt. ‘Concreet hebben we voor onze medewerkers gekozen om in shiften van twaalf uur te rijden, en dus maximaal op straat aanwezig te zijn’, vertelt Stijn Haemhouts, adjunct-directeur ict bij Politiezone Antwerpen.

Vroeger waren er in shiften van acht uur, waarna de interventiemedewerkers na drie kwart van hun tijd terug binnenkwamen voor de administratieve verwerking. ‘Nu zijn ze in staat zijn hun digitale verwerking ook op het terrein te kunnen uitvoeren.’ Naast efficiëntie zijn ook van tel: snellere responsetijden. ‘En ook het creëren van een veiligere omgeving voor onze eigen medewerkers door verreikte informatie.’

2. De unieke blik

Prijsuitreiking IT Project bijwonen?

Computable maakt de winnaar van het IT Project of the Year Award bekend op 31 maart om 15.30 uur tijdens de gecombineerde ict-vakbeurzen Infosecurity.be en Data & Cloud Expo. Tijdens dit digitale event, dat op woensdag 31 maart en donderdag 1 april plaatsvindt, worden de laatste it-nieuwigheden en -ontwikkelingen voorgesteld. 

U kunt zich gratis registreren voor het online-event en de prijsuitreiking.

Bij de Politie Antwerpen komen voor hun digitaal platform Focus de data uit meerdere bronnen, soms wel dertig tot veertig toepassingen. Met als doel die data snel en eenduidig bij de agenten op het terrein te brengen. ‘Wij wilden met onze toepassing naast de registratie, ook de opvraging en informatiedeling optimaliseren. De informatie hiervoor zit vervat in tal van nationale en lokale bronnen, die in silo’s bevraagd dienen te worden’, aldus Stijn Haemhouts van Politie Antwerpen. ‘Hier was de doelstelling om dit op een uniforme manier aan te leveren’, stelt hij. Er werd gekozen voor een digitaal platform met achterliggende integratie-architectuur. ‘De oplossing moest op maat zijn voor de medewerkers op het terrein, die hun opdrachten vaak in moeilijke en stresserende omstandigheden moeten uitvoeren.’

Ook bij een andere genomineerde, het e-government-project Ebox, in samenwerking met Tobania, is zo’n unieke blik, los van de achterliggende technologie, cruciaal. Zo bestonden er bij de overheid reeds van vóór 2010 verschillende Eboxen, al waren deze niet algemeen gekend bij het publiek en werden ze onvoldoende gebruikt. Daarom werd ervoor gekozen om één virtuele Ebox te creëren voor burgers, en één voor ondernemingen. ‘De bestaande Eboxen kunnen blijven bestaan, maar voor de gebruikers lijkt het alsof er maar één Ebox is’, zo klinkt het. Intussen hebben meer dan honderd verzenders toegezegd, waaronder de KSZ (Kruispuntbank van de Sociale Zekerheid), Pensioenen, FOD Justitie, FOD Financiën en de Vlaamse overheid.

3. Continuous improvement

It-projecten zijn nooit voorbij, dat geldt ook voor de Focus-app van de Antwerpse politie. ‘Ons project zal nooit afgerond zijn, aangezien er telkens nieuwe behoeften ontstaan die ondergebracht worden in het platform. Deze continuous improvement-filosofie zit ook ingebed in het dna van de toepassing’, aldus Stijn Haemhouts. ‘We zijn eerder kleinschalig gestart met enkele basisbehoeften, maar na enkele jaren met quasi-wekelijkse (of zelfs dagelijkse) aanpassingen is het platform gegroeid tot een onmisbare schakel in de strijd die de politie dagelijks voert.’

4. Digital twin (in data en cloud)

Dat was absoluut aanwezig bij het project van SPG Dry Cooling, een fabrikant van luchtgekoelde condensatoren (ACC). Zij werkten samen met SAS een toepassing rond advanced analytics uit de output ervan vierentwintig uur van tevoren te voorspellen. Ze bouwden een digital twin van de installatie.

Bovendien is het project bij SPG Dry Cooling een illustratie waar data, cloud en industry 4.0 elkaar ontmoeten, en versterken. ‘Onze sensoren connecteren met geavanceerde analyse-tools die in combinatie met eigen kennis tot nieuwe producten leiden’, aldus Frédéric Anthone, aftermarket manager bij SPG Dry Cooling. ‘Data uit stroomcentrales wordt geanalyseerd in de cloud om prestaties beter in te schatten en onderhoud te voorspellen. Dat maakt installaties performanter. Hun capaciteit is beter te voorspellen en zo worden pannes vermeden.’

5. Machine learning raakt matuur

De mogelijkheden van machine learning blijken dan weer uit het project bij voedingsproducent Puratos. Zij optimaliseerden samen met Dataroots hun productieproces van enzymen. Dankzij artificiële intelligentie werd de enzymenproductiviteit met dertig procent verhoogd en dat na een projecttijd van slechts drie maanden. Bij Puratos zit de kracht dat ze een datagedreven aanpak (van machine learning en data analytics optimalisatie) gebruiken om het onderzoek en de productie van enzymen te verbeteren. ‘Het probleem en proces is complex en bestaat uit veel verschillende parameters die individueel en collectief moeten worden onderzocht’, zo klinkt het. 

Bij het Puratos-project maakten multiparameter tijdreeksoptimalisatie, feature-extractie, tijdreeksanalyses/modellering, machine learning en model explainability tools het verschil. ‘R&d-experts waren vanaf het begin betrokken, en hadden regelmatig interactie met het data science-team. Er was behoefte om de gespecialiseerde kennis van r&d te combineren met de datawetenschap-aanpak en technieken.’

6. Inzicht uit ongestructureerde data dankzij ai

Diverse elementen die in dit artikel ook al aan bod kwamen, zijn ook van tel voor de vijfde genomineerde: OLV-ziekenhuis te Aalst, een project in samenwerking met Lynxcare. Dit gaat dan over de unieke blik tot de kracht van artificiële intelligentie. Op de dienst Urologie van OZL Aalst rekenen ze namelijk op een oplossing rond ai die ongestructureerde historische en realtime-data uit patiëntendossiers omzet in bruikbare gegevens. Constante kwaliteitsmonitoring en bijsturen van de zorg staan hierbij centraal.

Het ging om vooraf bepaalde parameters van twee patiëntpopulaties: laseroperatie van de prostaat en anderzijds cystectomie. Datamining richtte zich hierbij op de registraties, brieven van artsen en opgeslagen documenten . ‘Met als doel dat het medisch personeel in staat is om de patiënt waarheidsgetrouwe en relevante informatie te verschaffen en de kwaliteit van de eigen zorg beter te beoordelen’, aldus Peter Schatteman, uroloog aan OZL Aalst. 

7. Samenwerking mens en machine

“De robot levert meer volledige resultaten op”

De verwerkingssnelheid van de robot ligt aanzienlijk hoger dan die van de mens, maar de resultaten zijn niet meteen bruikbaar, bleek tijdens het ai-project van het OLV-ziekenhuis te Aalst. ‘Na een eerste dataminingronde van de dossiers gaf het systeem bijvoorbeeld aan dat honderd procent van de patiënten die een cystectomie hadden ondergaan, een her-ingreep ondergingen. Een misinterpretatie, omdat deze patiënten na een drietal weken terugkomen om twee buisjes te laten verwijderen. Dat telt uiteraard niet mee en moet worden duidelijk gemaakt aan de robot’, illustreert Peter Schatteman.

Daarnaast moet, in het geval van het ai-project van OLV Aalst, de machine veel parameters filteren uit bijvoorbeeld de correspondentie van de uroloog naar de huisarts over postoperatieve complicaties. ‘Dat soort ongestructureerde data is moeilijker te herkennen, omdat artsen soms verschillende terminologie gebruiken. Voor een optimaal resultaat is het daarom belangrijk dat clinici consequent en uniform de patiëntendossiers invullen. Hoe uniformer de dossierdata, hoe beter de interpretatie door het ai-model.’

Na twee dataminingronden door de dossiers bleken in Aalst de resultaten betrouwbaar. ‘In vergelijking met de menselijke database waren de resultaten even accuraat, maar de robot leverde meer volledige resultaten op. Verwacht wordt dan ook dat door het extra trainen van het algoritme deze accuraatheid nog zal toenemen.’

8. Doorgedreven teamwork

Bij het datamining project in Aalst – waarbij een zoekrobot dus meteen data ophaalt uit alle ziekenhuisdata en dit presenteert op een dashboard – is het dus een kwestie van samenwerking tussen mens en machine. Maar ook bij de mens gaat het om diverse profielen. 

Daar waar bij Puratos (zie hoger) de samenwerking tussen r&d en datawetenschappers cruciaal is, geldt dat in OLV Aalst voor de communicatie tussen it-ontwikkelaars en artsen, dat als absolute succesfactor werd aanzien. Of hoe het bij it-projecten nog steeds om teamwork gaat, al is die samenwerking er alleen maar crucialer op geworden.

Bron: Computable