Kansen voor de gebouwde omgeving
Danique Rook en Loïc Roldán Waals, studenten aan de Rotterdam School of Management, hebben twee onderzoeken naar de toepassing van machine learning techniek in relatie tot het energieverbruik van gebouwen met succes afgerond.
De studenten hebben onderzoek gedaan naar algoritmes die gebouwprestaties kunnen benchmarken en kunnen voorspellen. Met het werk van Danique Rook is duidelijk geworden hoe nauwkeurig je de warmte- en koudevraag van gebouwen in de toekomst kunt voorspellen met behulp van weersvoorspellingsdata. Uit de resultaten van Loïc Roldán Waals blijkt hoe je benchmarkmodellen op uurlijkse basis voor warmte en koude kan opzetten en wat de bijbehorende nauwkeurigheid is in relatie tot de complexiteit van het algoritme. De resultaten vormen belangrijke bouwstenen voor de ontwikkeling van smart thermal grids en het proactief bewaken van energieprestatiecontracten.
DWA maakt de transitie door naar een datagedreven adviesbureau. Deze twee onderzoeken passen perfect in dit proces. Duidelijk is geworden wat er allemaal nodig is voor het goed integreren en implementeren van machine learning in onze huidige dienstverlening. Zowel op het vlak van kennis en ervaring als op ICT-niveau. We stellen een nieuw (bij)scholingsprogramma op, reserveren investeringen voor een ICT-platform en gaan op zoek naar medewerkers met specifieke kennis op dit terrein. Onze missie is duurzaamheid werkend maken. Met machine learning gaan we dat nog effectiever en efficiënter maken.
Danique en Loïc over hun ervaring met DWA als afstudeeromgeving: “We zijn erg tevreden over de ondersteuning van DWA. Onze begeleiders kunnen makkelijk schakelen tussen wetenschap en praktijk en vanuit een academisch perspectief het business element toelichten. Dus theorie en praktijk maar ook business komen bij elkaar. DWA zat op dezelfde lijn als de Rotterdam School of Management; dat helpt om gerichter en sneller het afstudeeronderzoek uit te voeren en af te ronden.”
DWA wenst Danique en Loïc veel succes in hun volgende carrièrestap.
