Case 1: Informatie naar de arbeider
Probleem:
- +/- 80% verlies bij mondelinge instructie
- Papieren gaan verloren
- Werfleiding niet altijd fulltime aanwezig
- Ploegen werken zelfstandig
- Wisselende ploegen op een werf
- Dalende praktijkkennis
Doelstelling:
- Instructies digitaal en dummy-proof bij de arbeider
- Via gsm de juiste info op het juiste moment bij de juiste person
- Snel en eenvoudig voor de werfleider
- Ook veiligheids-, voorbereidings-, controlechecklist
Case 2: Logistieke Optimalisatie van de Werf
Probleem:
- Logistiek heeft een grote impact op rendement
- Werfsituatie is dynamisch i.f.v. de tijd
- Moeizaam beheer van de dynamische logistieke situatie
- Ook o.w.v. interactie met externe factoren
- Risico op faalkosten of opportuniteit voor rendementsverhoging
Doelstelling:
- Logistieke voorbereiding vereenvoudigen & verbeteren
- Dynamische situatie van de werf inzichtelijk maken voor de actoren op de werf
Case 3: IoT rendements- en kwaliteitsverhoging
Probleem:
- Rendement afhankelijk van het ‘gevoel’ en vakmanschap van de machinist
- Veel parameters met impact die beïnvloed worden door externe factoren (bv. vertragingen bij de leveringen van het asfalt, het weer, verdichting)
- Verschillende betrokken partijen
Doelstelling:
- Dataverwerking plaatsing en verdichting in combinatie met visualisatie ter ondersteuning van de machinisten
- Monitoren, borgen en visualiseren naar de toezichter van deze parameters zodat een beter resultaat bekomen kan worden
- Real-time metingen van temperatuur, locatie, volumes en verdichting met waarschuwingsindicatoren
Case 4: Werfleider op de werf
Probleem:
- Werfleider zit te veel in zijn keet door admin
- Admin kost veel tijd en vaak zijn er fouten. Aantal actoren is groot:
- Intern: magazijn, calculatie, boekhouding…
- Extern: leveranciers, studiebureau, bouwheer, grondbank…
- Media zijn zeer divers, niet gestandaardiseerd en vaak niet compatibel
- Veel papier (bv. leverbonnen) en dubbel werk (bv. overtypen)
Doelstelling:
- Eenvoudige digitalisering, automatisering en afstemming tussen partners
- Bv. digitale leverbonnen
Case 5: Green Procurement Support
Green Public Procurement (GPP) Tool — Excel pilot
Maak de milieu-impact van asfaltprojecten meetbaar en vergelijkbaar in aanbestedingen. Ontworpen voor wegbeheerders en aannemers; wetenschappelijk onderbouwd (ISO 14040/44, EN 15804+A2, EF 3.1).
Excel-gebaseerd
19 impactcategorieën (EF 3.1)
Ecoinvent v3.11
PEF single score (mPt)
Vraag een demo
Gunning op laagste milieu-impact op basis van aangetoonde prestaties
Case 6: Design – Build – Maintain
Opportuniteit:
- Meer interesse in DBM formules
- Via goed databeheer een verlaagde onderhoudskost “Implementatie BIM – digitale twin”
Uitdagingen:
- Verzamelen en beheren van impactvolle data
- Ontwerpfase: afmetingen, materiaaleigenschappen, kwaliteit, timing…
- Uitvoeringsfase: opmetingen, proeven…
- Beheersfase: aanpassingen, herstellingen…
- Verwerking van de data
Doelstelling:
- Verzamelen en verwerken van informatie tijdens de uitvoering die impact heeft op de levensduurte en de beheersfase.
Case 7: Digitaal uitwisselingsplatform
Opportuniteit:
- Op een werf betaald worden om grond af te voeren en op een andere werf betaald worden om diezelfde grond aan te leveren
- Afstemmen werven om de logistieke kost (minder hinder) te drukken
Uitdaging:
- Matchen van de noden en planningen van verschillende werven
- Gebeurt nu ad hoc en meestal intern binnen het bedrijf
- Hoe faciliteren indien tussen verschillende bedrijven?
Doelstelling:
- Online uitwisselingsplatform dat bedrijven en werven met elkaar in contact brengt
- Ondersteuning bij de documentenstroom
- Economische en Milieu-Materiaalbalans
