Vink Intelligence

Diensten

Data science en machine-learningconsultancy

Wij bouwen machine-learningsystemen die historische en actuele data gebruiken om te schatten wat er hierna gebeurt, afwijkende patronen te signaleren en betere beslissingen te ondersteunen. Waar het probleem dat nodig heeft, voegen we graaf- en ruimtelijke context toe, zodat modellen weten hoe dingen verbonden zijn en waar ze zijn. Elk project wordt getoetst aan hoe het werk nu gebeurt.

Toegepast in klantwerk voor Asset Circles en in onze pilots FlyingVink en Vink Farming. Zie de Asset Circles-case →

Wanneer machine learning helpt

  • U wilt op basis van historische of sensordata schatten wat er hierna gebeurt.
  • Afwijkende patronen moeten opvallen voordat ze problemen worden.
  • Handmatige inspectie of classificatie schaalt niet.
  • Beslissingen hangen af van afwegingen die te optimaliseren zijn.

Wat we bouwen

01

Forecastingmodellen

Tijdreeks- en regressiemodellen voor vraag, opbrengst, verbruik en andere grootheden die in de tijd veranderen.

02

Afwijkings- en patroondetectie

Baselines per asset, gebouw of locatie, en detectie van afwijkingen die aandacht verdienen.

03

Classificatie en voorspelling

Modellen die labelen, scoren of rangschikken, getoetst aan uitkomsten die u al kent.

04

Computer vision

Informatie uit beelden halen, zoals het detecteren en meten van objecten.

05

Optimalisatie

Kiezen tussen opties onder randvoorwaarden, met de voorspellingen als invoer.

Toepassingen

Afwijkingsdetectie in gebouwen

Baselines per gebouw en detectie van ongebruikelijke verbruiks- en comfortpatronen, zoals in ons werk voor Asset Circles.

Forecasting

Voorspel vraag, opbrengst of verbruik en vergelijk het resultaat met uw huidige planningsmethode, zoals in Vink Farming.

Scoren en rangschikken

Rangschik kandidaten op score, zoals de gebouwen waar drone cleaning economisch aantrekkelijk is, zoals in FlyingVink.

Computer vision

Detecteer en meet objecten in beelden op een schaal die handmatige inspectie niet haalt.

Voorspellen met verbonden data

Voeg graafkenmerken toe aan een model, zoals ReviewGraph doet om beoordelingen te voorspellen.

Hoe het werkt

  1. 01

    Begrijpen

    Breng de data in kaart, definieer het probleem in meetbare termen en check of de data een antwoord kan dragen.

  2. 02

    Bouwen

    Ontwikkel een model of pipeline op uw data en maak de resultaten zichtbaar.

  3. 03

    Valideren

    Vergelijk resultaten met bekende uitkomsten en met uw huidige werkwijze, en beslis dan: uitrollen, bijsturen of stoppen.

  4. 04

    Uitrollen

    Integreer met uw systemen, monitor het model en train opnieuw als de data verandert.

Elk project doorloopt dezelfde vier stappen. Begrijpen → Bouwen → Valideren → Uitrollen. Over onze werkwijze →

Waar we het hebben toegepast

Pilot

Vink Farming

Eerdere signalen over gewasontwikkeling en opbrengst uit beelden, perceels- en weerdata.

Bekijk Vink Farming ↗

Pilot

FlyingVink

Schatten waar drone cleaning voor een gebouw economisch aantrekkelijk is.

Bekijk FlyingVink ↗

Veelgestelde vragen

Wat is het verschil met een algemene data-scienceconsultancy?

De methoden zijn gangbaar. Het verschil is context: hangt een probleem af van hoe dingen verbonden zijn of waar ze zijn, dan voegen we knowledge-graph- en ruimtelijke methoden toe, en toetsen we elk model aan hoe het werk nu gebeurt in plaats van alleen aan een benchmark.

Kunnen jullie werken met beperkte of rommelige data?

We checken eerst of uw data een antwoord kan dragen, voordat we iets bouwen. Als dat niet zo is, zeggen we dat en beschrijven we welke data nodig zou zijn.

Hoe laten jullie zien dat een model werkt?

Door het te vergelijken met een baseline, uw huidige werkwijze, en met uitkomsten die u al kent. Het resultaat is een van drie besluiten: uitrollen, bijsturen of stoppen.

Bouwen jullie productiesystemen of alleen prototypes?

Beide. Een project kan eindigen bij een gevalideerd prototype of doorgaan naar productiepipelines, API's, dashboards, monitoring en overdrachtsdocumentatie.

Data die iets moet voorspellen?