Hoe Alliander machine learning en simulatie inzet voor betere monteursplanning

De energietransitie is niet alleen een technisch vraagstuk, maar ook een planningsvraagstuk. Want hoe meer werk er aan het stroomnet nodig is, hoe belangrijker het wordt om monteurs op het juiste moment in te zetten. Bij Alliander werkt YP-consultant Tarik aan een applicatie die helpt om die planning nauwkeuriger te voorspellen.

Rol

Data Science Software Engineer

Opdrachtgever

Alliander

Duur

12 maanden+

Impact

Applicatie die monteurscapaciteit in 5 minuten 2 jaar vooruit kan voorspellen

Tools & Skills

AWS

Python

Snowflake

SQL

Stakeholder mgmt.

De challenge

Nederland schakelt in recordtempo over op elektriciteit. Laadpalen schieten als paddenstoelen uit de grond, woningen stappen massaal over van gas naar warmtepompen en bedrijven vragen steeds vaker om zwaardere stroomaansluitingen. Voor netbeheerders zoals Alliander vergroot dat de druk op het stroomnet én op de planning van het werk.

Met tienduizenden klanten per jaar is voldoende monteurscapaciteit op het juiste moment een must. “Binnen Alliander is resourceplanning een belangrijk thema,” deelt Tarik. “Er was al een applicatie om monteurscapaciteit te voorspellen. In dit project werkten we aan een nieuwe versie die nauwkeuriger en gebruiksvriendelijker moest worden.”

De randvoorwaarden voor de applicatie waren helder:

De aanpak

Als Data Science Software Engineer werkt Tarik samen met uiteenlopende disciplines. Zijn rol begon niet bij code, maar bij scherp krijgen wat er precies gebouwd moest worden.

“Samen met de product owner werkten we de requirements uit: van proof of concept tot volwaardige applicatie,” vertelt hij. Omdat meerdere teams aan de applicatie werkten, werd afstemming net zo belangrijk als development. Tarik coördineerde communicatie tussen teams, dacht mee over de architectuur en bouwde de applicatie samen met de solution architect verder uit.

Technisch koos het team voor een combinatie van machine learning en simulatie. De machine learning-modellen voorspellen eerst een aantal variabelen. Daarna bouwt een simulatie daarop voort.

Door de simulaties parallel te draaien, bleef de oplossing snel genoeg voor gebruik in de praktijk.

De impact

De applicatie wordt momenteel uitgerold. Gebruikers van verschillende afdelingen kunnen straks per kwartaal een job starten die de monteurscapaciteit voor de komende 2 jaar voorspelt op basis van historische data.

Dat geeft Alliander één gedeeld vertrekpunt voor capaciteitsplanning. In plaats van losse inschattingen per afdeling ontstaat er een voorspellingsproces dat sneller, consistenter en beter onderbouwd is. De volledige flow duurt vijf minuten, waardoor teams vaker en sneller vooruit kunnen kijken. Meer grip op de planning van het energienet dus, precies waar snelheid en vooruitkijken het verschil maken.

Groeien met Your Professionals

Een technisch goede oplossing bouwen is één ding. Zorgen dat architectuur, business en verschillende teams dezelfde kant op bewegen, is minstens zo belangrijk. Juist daarin zette Tarik tijdens dit project de grootste stap.

“We wilden als team snel door, maar moesten regelmatig een stap terugzetten om de architectuur- en businessrequirements compleet te krijgen,” vertelt hij. “Toen die eenmaal scherp waren, ging het ineens heel snel.”

YP ondersteunde hem met trainingen en cursussen, maar Tarik benadrukt ook de eigen verantwoordelijkheid: “Groei moet vooral uit jezelf komen. Je moet de wil hebben om je ergens echt in te verdiepen.”

Binnen YP spreken hem vooral de vrijheid, ontwikkelfocus en transparantie aan. Zijn advies voor Data professionals die een samenwerking overwegen?

Kies voor dit werk als je nieuwsgierig bent, stevig in je schoenen staat en het interessant vindt om buiten je comfortzone te groeien.

Rol