De vraag
KPN heeft de ambitie om het glasvezelnetwerk in Nederland versneld uit te rollen door het ontwerpproces vergaand te automatiseren. Echter, als gevolg overlappende of ontbrekende registraties van tracé- gegevens, liet de kwaliteit van de hiervoor benodigde historische gegevens nogal te wensen over.
Het proces
Datacadabra heeft met behulp van data science en machine learning een opschoning van het telecomtracé ontwikkeld, waardoor verdere automatisering van ontwerpprocessen voor de aanleg en onderhoud mogelijk wordt. Hiervoor is gekeken naar een route-optimalisatie op basis van kostenminimalisatie waarbij we ook het onnodig onderbreken van kabels in meegenomen hebben.
Data
De data die Datacadabra opschoont komt vanuit de databases van KPN. Deze data zijn samengenomen met data van de Basisregistratie Grootschalige Technologie (BGT), waarin ook de ondergrond (gras, asfalt) waaronder de kabels zijn aangelegd is meegenomen.
Diensten
Als oplossing automatiseert Datacadabra het patroon van de tracés ter versnelling van de ontwerp-algoritmen van KPN. Het algoritme draait op basis van een applicatie op het systeem van KPN. Dit algoritme produceert zogenaamde bruto geulen langs wegen, waarbij irrelevante geulen worden verwijderd en nieuw aan te leggen geulen worden toegevoegd.
Terugkoppeling
KPN kan de resultaten van het algoritme gebruiken om gericht nieuwe glasvezelkabels aan te leggen.
Het resultaat
Het resultaat is een basisontwerp voor een geulenpatroon dat als input dient voor het ontwerp algoritme van KPN, waarmee automatisch een high-level design kan worden gemaakt. Hiermee wordt de ontwerptijd van KPN aanzienlijk verkort en de ontwerpcapaciteit versneld. Op deze manier kan heel Nederland versneld van de voordelen van glasvezel genieten.
