Uitdaging

Data science en machine learning

KPN heeft de ambitie om het glasvezelnetwerk in Nederland versneld uit te rollen door het ontwerpproces vergaand te automatiseren. Echter was de kwaliteit van gegevens uit het verleden hiervoor soms matig, vanwege overlappende of ontbrekende registraties van tracégegevens. Datacadabra ontwikkelt met behulp van Data Science en Machine Learning een opschoning van het telecomtracé, waardoor verdere automatisering van ontwerpprocessen voor de aanleg en onderhoud mogelijk wordt.

Oplossing

Bruto geulenpatroon

Als oplossing automatiseert Datacadabra het patroon van de tracés ter versnelling van de ontwerpalgoritmen van KPN. De oplossing is een algoritme dat op basis van een applicatie op het systeem van KPN wordt gedraaid. Dit algoritme produceert zogenaamde bruto geulen langs wegen, waarbij irrelevante geulen worden verwijderd en nieuw aan te leggen geulen worden toegevoegd.

Resultaat

Versnelling

Het resultaat is een bruto 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 verkort, wat leidt tot een versnelling van de ontwerpcapaciteit. Zo kan heel Nederland versneld van de voordelen van glasvezel genieten.

Gratis meedenksessie met een expert

Wat kan digitale intelligentie voor jouw bedrijf betekenen? Geef ons je (digitale) probleem, vraag, uitdaging, idee of data en we denken graag met je mee.
Plan meedenksessie