Rianne van den Berg is communicatiemanager bij Embed Engineering, dat aan de wieg stond van Omnidots.

30 January 2015

Om bevingen en trillingen van gebouwen te karakteriseren, heeft Omnidots een sensor ontwikkeld die continu de versnelling doorgeeft aan een back-endsysteem. De sensor toont de eigenaar hoe het gebouw beweegt, maar echt inzicht ontstaat pas wanneer de metingen van honderden panden worden gecombineerd.

De meeste gebouwen zijn er niet op gemaakt om veel trillingen of bewegingen op te vangen. Maar gebouweigenaren hebben weinig inzicht in de invloed die verkeer, aardbevingen en bouwwerkzaamheden op hun panden hebben. Een trilling kan subjectief worden gevoeld en eventuele schade kan worden bekeken, maar daar houdt het wel mee op.

Met Omnidots hebben we een systeem ontwikkeld om trillingen en andere bewegingen te meten met sensoren, en met data-analyse in de cloud inzichtelijk te maken. Zakelijke of particuliere gebruikers plaatsen de sensor op een draagmuur in een gebouw en zijn vanaf dat moment via een portal altijd goed geïnformeerd over de bewegingen. Dat geeft inzicht in de oorzaken van schade en daarmee houvast voor eventuele vervolgstappen.

Er zijn ondertussen enkele honderden sensoren geplaatst in Nederland. Die sturen al hun meetgegevens in onbewerkte vorm door naar de cloud. Door de data-analyse op de server uit te voeren, is het mogelijk om de gegevens van alle sensoren te combineren en een completer beeld te schetsen dan met een enkele sensor.

Door een sensor op een draagmuur te plaatsen, kunnen de trillingen van een gebouw in kaart worden gebracht.

Niet alle gegevens zijn echter relevant; het gaat alleen om de trillingen die op korte of lange termijn schade veroorzaken. Een dichtslaande deur moet bijvoorbeeld worden weggefilterd, want die informatie is niet belangrijk voor de gebruiker en neemt alleen maar diskruimte in beslag. Aan de andere kant kunnen gegevens die op zichzelf niet relevant zijn, toch nut hebben als aanvulling op andere metingen. Bij een aardbeving veroorzaken bijvoorbeeld de trillingen ver van het epicentrum geen schade, maar deze zijn toch belangrijk om een totaalbeeld te schetsen.

Het systeem moet dus een keuze maken in de data die het opslaat. Frequentie, versnelling en duur van de trilling geven inzicht in wat er aan de hand is. Door de gemeten waardes met een fourieranalyse te ontleden in een aantal standaardfuncties kunnen de karakteristieken van de trilling worden bepaald.

Hypermodern flatgebouw

In de portal kan de gebruiker alle sensorinformatie inzien, zowel van zijn eigen gebouw(en) als van de omgeving: meetdata en grafieken, maar ook een heatmap in Google Maps waarop te zien is hoe trillingen zich door die omgeving bewegen. Bij een aardbeving wordt bijvoorbeeld duidelijk hoe de trilling zich in enkele seconden van het epicentrum naar de omliggende dorpen uitspreidt. Bij een zware vrachtwagen die vlak langs een gebouw rijdt, ziet de gebruiker de trilling langzaam van de ene naar de andere kant van de straat bewegen. De heatmap is een voorbeeld van hoe veel gegevens die op zichzelf niet veel zeggen samen wel interessant kunnen zijn.

Om de impact van een trilling op een gebouw te bepalen, is in Nederland de SBR-richtlijn in het leven geroepen. Aan de hand van de aard van een trilling en het type gebouw kan hiermee de kans op schade worden bepaald. Een oude boerderij van baksteen ondervindt bijvoorbeeld meer schade van een aardbeving dan een hypermodern flatgebouw. Het webportal voert deze analyse uit voor de gebruiker. Die ziet niet alleen dat het gebouw heeft getrild, maar ook wat dit concreet betekent.

Een heatmap maakt het verband tussen individuele metingen inzichtelijk.

Oppassen geblazen

Om alle data soepel af te kunnen handelen, hebben we onze eigen cloud-back-end ingericht. Een generieke cloud bleek niet geschikt voor het grote aantal analyses. Weliswaar slaan we slechts een beperkte hoeveelheid gegevens op, maar het aantal requests waarmee sensoren data aanbieden, is groot. Bovendien doen we de fourieranalyse realtime, wat de algoritmes erg zwaar maakt.

Big data biedt zeer interessante mogelijkheden om allerlei relevante informatie uit ruwe meetgegevens te halen en aan de gebruiker te presenteren. Toch brengt de methode uitdagingen met zich mee: dataverwerking zorgt voor omvangrijke projecten en er zijn privacyrisico’s omdat de gegevens potentieel veel over gebruikers kunnen verraden.

De Omnidots-sensor meet de versnelling langs drie assen. Door het verloop van frequentie en snelheid in de tijd voor elke as uit te pluizen, is inzicht te krijgen in de oorzaak van de trilling.

Bij Omnidots gaan we daarom zeer discreet om met de meetdata. Dat begint bij het verzenden en opslaan ervan: onder meer AES en SSL komen eraan te pas om de gegevens te beveiligen. Het is ook oppassen geblazen met wat we in het portal tonen. Meetdata van anderen zijn niet zonder toestemming op te vragen en gebruikers kunnen weliswaar zien waar in de buurt er een beving is, maar niet welk gebouw specifiek trilt.

Verschillende gebruikers hebben ook behoefte aan verschillende soorten gegevens. Een particulier met woningschade is bijvoorbeeld in heel andere dingen geïnteresseerd dan een gespecialiseerd bouwbedrijf. Doordat we voortdurend proberen te achterhalen welke data daadwerkelijk relevant zijn voor een gebruiker en hoe die moeten worden vertaald naar een begrijpelijke weergave, kunnen we blijven innoveren. Met de enorme hoeveelheid gegevens is de mogelijkheid tot analyseren namelijk vrijwel eindeloos.

Edited by Pieter Edelman