De Databar 3 - met ProRail over Fiber-Optic Acoustic Sensing

[muziek] Welkom bij de data bar, de Nederlandse podcast voor en door Data Scientist. Vanuit KPL211 Amsterdam zijn we weer terug met een nieuwe aflevering. En die gaat vandaag over Roriel en fiberoptic acoustic sensing. En daarvoor hebben wij een speciale gast die is aangevlood. KZL-MAS komt het Arnhem, heeft een achtergrond in personeel en organisatie en bedrijfskunde. Ja, uit de groeige background check gedaan. KZL-MAS werkt nu als projectmanager bij Roriel. KZL-MAS, leuk dat je bent. Ja, vind ik wel. Wat aanschrijven vandaag. Wat doe jij precies bij Roriel? Ja, leuk om je te zijn. Wat ik bij Pro wil doen, of je het titel is in a projectmanager. Maar dat betekent dat ik de Roriel's cum-master verviel. En nu is product owner van het fiberoptic acoustic sensing team. Dan neem ik aan het stak. Dat is wat precies betekent, dat kan er wel goed uitleggen. En dat betekent dat we een aantal data scientists hebben die met die voel als data een mooie dingen doet. Wat van toegwoegde waard is voor Pro wil? Ja, klopt. Nou, ik kan zeggen, ik ben zelf ook in het onderdeel van het team. Dus het is een onwerp aan het hart licht. Het is leuk om daar vandaag verder over te praten. En dat doen we uiteraard met ons huis. Berend, leverend, leuk. Ja, leuk om je hierover te spreken. Twee voelspecialisten. Ik is zeker. En mijn naam is Rotterdamstrade. En laat we erin duiken. Ja, laat het beginnen. Ja, je hebt eigenlijk wel een beetje een jongensdroom achter gebaren bijna. Dat zou ik zeggen, want ja, je werkt met data. Dat vinden wij sowieso allemaal heel erg leuk. Maar ook met het sport. Met reintjes, met treintjes, met reintjes, met reintjes. Maar in de daad, wie had dat niet een modelbouw treinvoeger van model trein. Dat is wel leuk. Ik vind het altijd heel snel tastbaar wordt. Dus data en trein en sport. Nou, we hebben het nu over het sport, want het gaat over Pro wil. Dat lijkt me wel graaf. Hoe zie je dat zelf? Ja, ik speelde voegenien met treintjes, maar ik voel me wel blessed. Om in het te mogen weer. Ja, want ik ga de innovatieve projecten doen. En het moet even met een visboord, het product van Pro wil in de daad, als ik het tastbaar ligt gewoon buiten. Iedereen heeft het te maken mee. Nou, ik raar er ook een dag over. En zo. We hebben een 1,4, moet je een rit per dag zhermaar. Nou, 1,4 reisbewegingen. Dus een rit is een reisbeweging die ergens is. Nou, 1,4, moet je het niet? Het gaat er wel speciaal zijn. Ja, het gaat er over reisbewegingen. Ik kan het zo. Maar goed, het ligt gewoon midden tussen alle steden. Het gaat om daad te mogen werken. Ja, het gaat. Ik moet ook heel goed voorstellen. Ja, ik denk dat ook, ik word je zegt hoor. Want als data zijn, het is een vol. Ja, ik heb er heel lang bij Pro wil. Dus het is al lang in de wild. Maar als dat het te zijn, kan we al een verschillende plekken. En dit net spoor, dat is toch wel gaat van dat de naart over hele tastbaar concrete dingen gaat. Dus wel eens anders als je een marketing achterproject bevormt. Ja, ik zou het een beetje twijfelen. Nee, precies. Ja, voor dat we ingaan, even wat onderin te komen. Aantal dilemmas voor jou. Een aantal vragen. Ja, dat is wel aan het antvoelen. Ja, kom precies. En kijken hoe het wat voor. Wat gaan we deze winnen krijgen? Nou, wat houd je gesnurderd bent of. Die in de naart. Wat doe je, Lever? In de vierde staam met de auto of vertragingen hebben we met het rein? Ja, dat is een aantal dilemma's. Ik vind auto-rij zelf heel erg leuk. Maar het is vaak ook wel fijn om met het rein te gaan. Dus ja, ze hebben maar dan maar in het trein, want ik kan nog wat dingen doen om te telefonen. Nou, dat soort dingen en je oud is toch moet je toch meer opletten. Ja, hij was de makkelijkheid. Ja, oké. Is het moeilijk nu? Oké, goed. Ik doe me best. Wat ze jij zelf er doen, een wisselstoorringje, fixe, repareren te plekken of een date science model te geven? Deemig. Als je een wissel wilt fixen, dan moet je gezet of ze het aanhemen zijn. Nou, voordat ik dat ben, vergeet het. Waarvoor ik modell m'n kaas heb, ben ik ook wel even. Nee, ik denk dan toch het aaste. Ja, dat kan iedereen aan. Ja, precies ervoor. Ja, precies ervoor. Een beetje met data, ik looien. Ja, ja. En ja, ja, ja, werkt natuurlijk samen met hopig in de mensen in de progeril. Ja. Je hebt jouw engineers die verstandte van treinen en sporen en dat soort dingen. En nou, het raakt een comedat scientist over het vloer. Je werkt je liever samen van die engineers of dit scientist. Nou, jij hebt ze allebei nodig. Het is dat je ze nodig hebt. Ja, het is het snoren. En moet je hem niet. Nee, maar uiteindelijk heb je de. Ja, om van data informatie te maken, heb je gewoon domain experts nodig. En de lees mensenvare uit de techniek. En ik vind het juist leuk om met al die mensen samen te werken. Ja, verbinding te brengen. Maar je wilt toch een kies? Ja. Het is een mooi antwoord. En gewoon juist. Ja, ik ga gewoon ik kies in de. 100-2. Mag ik eigenlijk in regels breken. Ja. En dan gaan we kijken. Ah, nog eten. Pro-reel NS. Hoe denk jij erover? Moet dat gescheiden blijven? Moet er niet gewoon bij elkaar? Pro-reel heeft naast het bouwen en beheren. En vernieuwen van spoor. En inoperat m'n spoor ook een taak om. onder spoor te verdelen, dus voor voorders. En NS is daar een van. We hebben ook iets van 26 goede voorders. En de meerderen. Personen voorders ook. En daar moeten we ondervangdekingen zijn. En die zijn zeg ik. Ja, hou dat gescheiden. Ja, kan wel. Ja. Ja, genuensierd. Mooi. Ja. Nou, dat is een duidelijk antwoord toch? Ja, zeker. Nou, dat is een. Ja, dat kan ik toch niet halen. Dat luisterwaard. Dat is mooi. Heerlijk. Mooi je nieuwe appeteer. Ik ben wel heel erg benieuwd om eigenlijk meteen erin te duiken. Zo. Waarom we hier zitten? Leuk. Wat doet Pro-reel met data? Ik denk dat ons lijstbaar zijn ook benieuwd naar zijn. En dat is het beste reden vraag. Maar wat doen jullie met data? We hebben data nodig om. Het algemeen andere is. onder weten wat er buiten ligt. en hoe er buiten ligt. Wat er gebeurt op en naast het sport. We willen weten waar ligt het sporten precies op welke locatie. welke functie heeft het? Nou, wissel, die wisselt. Een sportstaaf, die draagnetrein en die geleidstroom. nummer op. Dus dat willen weten. Maar we willen natuurlijk ook de conditie weten van jou. dat sport ligt er al een best wel een lange tijd. We moeten dat onderhouden. Als je het goed onderhouden gaat het langer mee. Maar je moet wel beter hoe je nu bij ligt. En als het slechter wordt, dan willen we dat weten. In je zegt, we moeten weten waar het ligt. En kun je dat voor mij verhelderen? Want ja, kun je niet gewoon papieren kaart hebben. waarop de sportdelen liggen? Of is dat toen hij even gedacht? Waarom hebben we nu data verlood? Ook om het voor ons luister, als wat duidelijk het maken misschien? Ja, het proble is een die is een bedrijf die heel veel dingen uit besteed. Dus voor het neerleggen van de sport of van de houden van de sport. dat besteden we uit aan aanemers. Dus die moeten we een opdag geven van je. Je moet dat stukspoor onderhouden. En daar willen we ook van hun data weer terug. Wat ze gedaan hebben. En of als ze een nieuwsgepoor liggen, weet je precies weten wat de positie is. En waar precies de. Ik neem een technische term in, waar een elektrische schijdingslast tussen twee sportdelen. als sportdelen, en verbonden met de lasten zeg maar. En die hebben niet alleen een functie, maar ook een functioneerd functie. En je wilt precies weten waar je ligt. Het is gewoon heel complex, eigenlijk, om simpel ergens te zullen. Er zitten enorm veel onderdelen aan het sport. Daar komen ik zelf nu nog steeds achter. En je wilt gewoon weten waar dat precies ligt als een aanemers. dat je die krijgt een opdag van gaat het maken en neerleggen. En dan weet je ook precies weten, dan geef mij aan waar dat ligt. Dan kun je dat opstaan, dan weet je ook precies. Dat is een nummer dat allemaal een sick wordt ook een digital twin. Dat je een digitale tweling hebt van je sportbuiten. Dat heb je met de data binnen. Een simulator waaraf. Ja. Dus we hebben echt bakervormend data. Het is heel interessant. Ja. Bakervormend data waar je ook. die dus weer geeft. waar hoe te buiten wij ligt. En die werkelijkheid van hoe we er buiten bij ligt, dat is ook niet statisch. Het is een continu beweging van rielstversaakt en material degraderd. Ik weet wat allemaal, dus dat zijn heel dynamisch, dus eigenlijk wil je het continu mee te dus kan niet in een maal geraken. Ja, precies. Ja, en dus het heeft ook veel sensordater volgens mij. Ik kon het nu van alles wordt gemeten, een hele hoop. Dus een mooi brugje naar het project dat we doen. Want ik moet het gewoon niet door hoe de beilicht, hoe die bovenluiting of niet sleid. Dat is niet sleid, dan kan ik niet misschien breken en dan slaan we stilten, dus Amsterdam ben u terecht. Precies. En dan heb je ook wel veilig het riesikode om dat er in een hovevolg aan zo'n bosgeslagen draat en boven. En tot dus werken we heel veel met zijn zoor, dan een kopie zijn zoor en die plakken ergens op een spoor staan, volgen of in je eerst een kamer en de brugje naar wat wij doen. Dat gaat dan al voor vol was, vijper optiek acoustic sensing. Dat is ook een soort sensor, alleen de mooie de vand is dat je dat de sensor een glassvezel kamer is. Oké. En om het heel kort even uit te leggen, als je een glassvezel kamer hebt en je schiet daar een lesensignal in, dan weer kaats de lesensignial op verschillende punt in de glassvezel weer terug. Ja. En dan op die glassvezel kamer ergens een tridningplaats vindt, dan kun je dat bij die terugkaat zien, kun je dat uitlezen. Dus stel je voor even een voorbeeld van, nou ik woord een Arnhem van Arnhem naar Oostenbeek, een kilometer of 5. Ja, het is echt een flinke kaal, wat is niet een. Nou, het is echt wel, dit kan tot de honderd kilometer, ik kan niet gaan, maar ja, bijna een proeven met 15 kilometer is een glassvezel kamer, die ligt overal langs de sport bij proh wild. Dus dat is netelijks. Al letterlijk erlaars. In de grond, in een buis, want onze afdeling ICT heeft er al die kamers neergeleef voor data, verkeer van de Arnhem-B naar. Dus een kamer als een glassvezel kan je ook gebruiken om die prof te doen die wij nu doen. Dus als wij nu een de lesenial is van 5. En als we het in de honderd keer persiconden door die glassvezel naar Oostenbeek sturen, dan we kaatstiede hele tijd ook weer terug. En als ze dan ergens half wegen Arnhem en Oostenbeek het rijrijd, dan zie je die trein, eigenlijk die trillingen die zie je. En sterk nog als die trein over een las in rijt, waar ik net over had. Dan hoor je eigenlijk met je dat het kedenken-deng van Ruzemeers. Dus het is wel heel slecht, dan hoor je echt kedenken-deng. Nou, dat geluid kunnen we ook horen met de glassvezelkabel. En dan heeft 25 honderd keer persiconden, dus je kan letterlijk elke trilling die plaatschint met je realtym. Ja, er sterk nog. En daar schoek ik wel van. Als je hier een glassvezelkabel in jullie data bar hebben liggen, kan je ons gesprek opnemen. Ik snap ook niet waarom mijn deze microfone praten zijn en ik leg me gewoon de glassvezelen. Ja. Ja. En dan is het wel achterhalen technologie. Ik ben wel gelijk. Het klinkt wel serieus veel beleven. Ja, en we hebben. Ik heb dat ergens een jaar geleden in een op een conference hier gezien. En het is eigenlijk wel binnenpromen wat andere mensen ook gintig zitten, maar we zijn samen geomptrekken. En toen hebben we gewoon wat proeven gedaan die succesvol waren. Maar de potentie is dat we dus overal die glassvezelkabel langs het spoor hebben. Ja. De wanneer het spoor hebben. En ja sommige fallen. Ja sommige fallen de keur. Maar dat zijn we nu aan beproef. We samen met de data zijn. En we hebben z'n apparaat gehuurd. En dat zijn we nu aan beproef. Ja, en joh, ik heb wat er dan uit komt. Er is een kabo, dus na zo, om voor 15 kilometer lang op 1 traject. 25 100 keer per seconden gaat er zo'n ziouw in de wereld. Dus je kunt. Ja, 25 100 herts. Metingen krijgen je terug. En ook nog. Or, ook een 10 meter in die habel. Je stond een data. Een met punt. En kan ook nog fijn maatschermen. Kan tot 1 meter geloof ik. Ja, twee geloof ik. Dus je kunt de trillingen herleiden tot die 10 meter punten. Of die 1 meter punten. Ja, ja. Ja. Ja, dus je moet je voorzij dat je na het over die 15 kilometer bij elke 10 meter. zeg maar een microfoon staan. Dat is het meest beelden dankig. Ja, oké. Dat is wel leuk. Die trillingen opvangt. Hopen we gaan straks ook sportlopers kijken of die kunnen zien. Mensen op het diopenspor. Mensen die lopen sportlopen met de rond of met kwadere opzetten. Dit komt eigenlijk. Dit is best een groot probleem. Het zijn niet per se mensen die voor een trein willen. Maar die lopen gewoon langs het sport. Ja, en als het gebeurt dan. Ja, dan schrikte een machinist. Ja. Het is dan op de noodrim trappen. Die gaat dan afremmen, die gaat dat melden. Daar moet dan actie opgenomen worden. Ondertussen kunnen die truinen niet snart rijden die we mensen. En dat gewoon een groot probleem te krijgen om vertraging. Ja. Ja, dus die deze, hè? Als je dat dan heel tijd me allemaal zo mee te kunnen herkennen. dan kun je tijdens de machinistwaarschuwen. Ja, dit is een ingrijp. En je neegaboeiend, want ja, je hebt zoveel sport in Nederland. Je kan moeilijk overal camera's op hangen om sportlopers te checken. Je kan niet elke meter sport checken. En met deze techniek begrijp ik, wordt dat veel dichterbij. En ik heb je dan op elke 10 meter een microfoon hangen. Een gevoelige goede microfoon. Die geluidschoolverhoffang. En dat is ook hoe die data eruit uit ziet. Ja, 2D van elke positie. Heb je een heel open geluidsmeting in de tijd. En nou, dus als je die ruve data bekijkt, dan ziet er niet meteen altijd inzichtelijk uit. Dus dat wordt voorbewerkingen voor je transferms. Ja. Vrequenciaxtraxie. Dus ik kun je echt kijken naar. perchine frequenties, maar geluidsterkte. En als je bijvoorbeeld kijkt naar voorbijrijne treinen die kun je al direct goed herkennen. Je kunt geluidschoolverhoff ook als soort plaatjes weer geven. Dan zie je duidelijk treinbana door zo'n plaatje in lopen. Hoe herken je een trein? Ik bedoel, ik kan me voorstellen dat er veel andere trellingen zijn. Er is vaak een licht in natuurgebieden, er is harde wind. Ja, dat is meer geluid. Maar ik kan me voorstellen dat er z'n heel veel gebeurt, heel veel in de grond natuurlijk. Ja. Hoe herken je dan een trein in die data? Nou, dat is gewoon een treinje, dat is een heel groot ding. Die maakt heel veel herrie. Ja. Dus dat is een beetje bevrijd, onderscheidend. Nou, we hebben verschillende juuskees in het project. Een omleel was in het trein, en probeer het herkennen van waar en wanneer hij het een trein. Maar andere juuskees gaat voor het over het herkennen van afgeflakte wielen. Of we hebben verschillende soorten wieldevekte. Want dat zouden we een ander patrouw in het vier kan te wielen. Ja, dat is wel een geluid. En dat duidelijk moet je alles valideren. Dus we hebben ook systemen die precies vertellen. Dat niet precies hebben, maar die voor een aantal treins wordt vertellen waar het het trein is geweest. En dat soort data heb je natuurlijk ook nodig als deze proof doet om te controleren. We hebben het goed gezien. Ja. En we hebben met wieldevekte, we hebben ook een paar andere systemen die zijn aan de pastelokaties. Maar we hebben deze juuskees mee kunnen vergelijken. En het voordeel is bijvoorbeeld voor het treinentexie dat de systemen die nu treindetecteren niet altijd treinen detecteerd. Dat zouden wij op kunnen toevoegen. En voor wieldevekte bijvoorbeeld hebben we wat flexiebrevend, want dat kan je dat operaard oppakken. En neerzetten op plekken waar de andere systemen niet staan. Maar je hebt wel die systemen nodig om je data te valideren. Dus voor sportlopers zijn we zelf een keer een schouge daan. Om te kijken naar die erst lassen. En eigenlijk zijn we natuurlijk zelf lang gespoorgelopen. Dus die data gaan we gebruiken om te kijken of we onszelf gehoord hebben. Of gezien hebben, of of of echt. Dat zijn uitdagingen van de korte hele grote pak data uit. Maar het denk ik dat we kunnen vertalen naar een bepaalde ding te kunnen herkennen. Rijt er wel geen treinen waar zijn er vlakke wielen of niet. Zijn er sportlopers of niet. En omdat we kunnen doen moet je natuurlijk geleeboelde data krijgen, kruimdhoed data. En die is nog niet altijd verhanden. Zomgevallen moeten we naar hetzelfde woord langs sport gaan lopen. Dus dat is nu onderdeel van jouw opdracht? Ik zie je af en dan ook geen fiksel. Nou ja, ik heb het wel gelopen. En zijn er ook wat mensen met z'n hammer bij het sport op de grond gaan slaan. Ook heb u als test case en dat kun je dan later in de data terug zien. Zie je hem, de hammer slaagert terug. Maar dat is ook de date science uitdagingen natuurlijk om die data verschillende soorten events gebeurd. En dat is hartstikke leuk, ook wel in gewikkeld. Het is heel veel data, dus dan moet je er gewoon even iets in te zien te exploreren. Dus het is best voor je te maken. Maar lukt dat een beetje. Misschien een beetje al de handvragen. Is er. Ik vind het succesvol. Die zijn met 4 de juiste kees bezig. We kunnen de trein dat ik te heren dat kunnen met. Ja. Check. Mooi. Ja. Dat was gaf, en dat was eigenlijk ook mijn eerste. Want die zoveel trellingen, ja, als je dat niet ziet, dan. Nee. Ik heb hem maar een pakken, maar dat is ook wel goed, want je hebt die trein, trellingen nodig, ook om andere dingen vaak te zien. Eerst lasse is ook gelukt. Die kunnen we ook zien liggen. We hebben ook een keken naar losse clamp veren. Zoiets waar de spoorsta vast zit aan het dwarsligger. Dat die houdt, het houdt, het bevolft tegenwoordelijk, het heet een dwarsligger. En het is voor feestje. In de spoorstaar, maar ja precies, hij is de wasligger. Maar goed, die zit vast met clamp veren. En met een clamp veren en met zoveel. En soms zit die te veel los, zich achter elkaar. Dan kan je voorse, dan gaat het losse trillen. Dat is niet goed, is gevaarlijk. Maar dan gaat het losse trillen als er een trein langskond. Dus als er niks gebeurt, dan gebeurt er niks. Dus dan heb je die treinen nodig om te zien of je ook nog als die trein voorbijrijt, ook nog die losse clamp veren, misschien de spoorstaat, die dan op die dwarsligger houdt. Ja, omdat het. Nou, dat is niet geslaagd. Maar goed, lijkt mij ook erg moeilijk, want dat is een beetje wat jij zer robot. Dat is het complex met zoveel data, als je die trein trilling hebt, en dan dat je dan nog eruit kan halen of die dwarsligger houdt. In een om pockijrie, je hebt van die trein heel veel trilling. En dan nog iets iets uithalen. En met jouw weinig Ground Truth data, dus weinig labels met voorbid. Maar goed, die is het ook niet gelukt. En dat is ook prima. We hebben voor P.U. SK's gebruiken. We hebben ons zelf twee maanden gegeven, dat is best kort. Ah, oké. Dus hier hebben we gewoon gezegd van nou, dit zien we niet. We hebben twijnenig validatie data, dus nou, die schrijven we af. Ja. Ja, het is last dus wel. Een wieldeffect is. Ja, die. De promise in die. Ja. Ja, dat kunnen we echt wel dingen zien die we in het onderste system ook zien. Ja. En dat is dat het gaaf. En in jaren gaan we nog wat met spoorlopend, want ik zei. En overweg verkeer, dus kunnen je auto's over de overweg zien rijden, maar kun je op fietsers identifiseren en ook bandelaars. En dat kan ook anders zijn om. Ja, om op de metzien over het spoor met trillingen detecteren. Gewoon een auto die over een overweg ruidt, die kun je zien. Maar zo gevoelig zijn ze dus. Ja, ja, ja. Dat is interessant. Ja. En dat is ook interessant om op afstand te kunnen zien van nou die overweg. Ja, daar gaat nu wel heel veel verkeer overheen of. of dat van verkeer gaat overheen, dus ook in het vrouwge waren of in een auto of een fietser. Maar goed, dat is ook nog een juist keer die we gaan doen. Ja. Ja, of je opzet hebt van zijn onteamzaanslag aan die ze doen en modellen trainen, maar het gaat nog niet meteen in productie, live, voor die direct toegepast. Je bent zort opzetten dat er eerst een jaar lang onderzoeksteam. en zorthoudbaarheidstudie doet, want is het mogelijk om al die dingen te herkennen in de data? Oké. En dan later pas gaan we even te wil om te wikkelteams aan het slag om. die modellen of ideeën oplossingen concrete implementeren in het eegie. Ja, dat is nu de opzet. Dus we hebben. We hebben ons zelf gewoon een jaar gegeven om. dat juist keer ze die belangrijk zijn voor ons om. die kijk van ja kunnen we dat u behaupten en als dat kunnen. ja, dan gaan we natuurlijk de boer op om te vertellen dat dat het kunnen. Dus ik kunnen gewoon deze podcasten naar je toesturen. In de proger, heel ga je dan. Ja, binnen de proger, na, bij de afdeling van Co. Ja, we hebben bijvoorbeeld bij sportlopenzetten. Ja, we hebben incidentbestrijding, het is natuurlijk fijne als we weten. dat we kunnen dat mee kunnen helpen. Ja. Maar goed, dat is ook. een business case onder, want het komt de kroscheld en het leven het op. en dat moet een beetje in voudingshijnd zijn. Dus dat gaan we naar dit jaar gaan we dat opmaken. Dus het is toch een kijk of. of verder kunnen. Wat een reisgeurs voor het eerst. ja, iets merken van al deze inspanningen. Is het innovatiever. Is het innovatiever. Ja. Dat is een goede vraag, Robert. Ik denk dat we met name. En dan een sprintje overheen. Nou ja, dan gaan we dat sprintje overheen. En dat verschillpe juist keer dat we voor sportlopen kunnen voorstellen. dat een trainreisger, dat straks wel gaat merken. Ja. Dat we. dat we er. sneller kunnen. oppicken en sneller iemand op af kunnen sturen. en minder vertragingen voorzaken. We kunnen voor ons zelf. is het natuurlijk wel heel handig om. voor andere juist keer te zien. gewoon hoe. hoe ze staat van ons sport. of hoe ze staat van de ondergrond van het por. en dat kan ons helpen met. met eerder onderhoud of specifiek gericht. onderhoud op een paar de stukken. en wat het goedkopen maakt en en en en en. en en en en en en en en en en en en en en en en en en. en misschien ook wel. Er is er ook maar ook beter. en en en en, daar door minder vertragingen te komen. Ja. Nou. Ja, hoe zit dit in andere landen? Is dit. ik vind het namelijk heel innovatief. klinken. en ook gewoon slim. en. loopt. loopt. boven hierin voorop. wordt het ergens anders al gedaan. China bijvoorbeeld ook snelheid zijn lijnen. Ja, ik denk. als we andere landen noemen. je pan ook best wel voorop op. in techniek. ook omdat het natuurlijk zo'n klein land is. en met met veel bergen. maar goed, ik denk dat het pro sowieso wel voorop loopt. omdat er ook een van onze. een van de drugs in netwerken ter wereld hebben. en dat ook erg goed doen. En het meest. ja, druk maar ook complex misschien. Ja, complex en dicht. als ik het zo'n. een dicht na niet volg, maar. ja, dicht bereist. Ja, zoet. Ja, daar is vast wel een mooie woord voor. Nou, gedichtheid van sport en trainen. Ja, precies. Ja, wat ik zeg, ik heb het jaar 4 geleden bij zijn conferencig gezien. Daar, een ander sportbedrijf had er ook al wat. wat ja, experimenten mee. Maar tot de hele zin we nog niet. Er zijn wel bedrijven die dingen mee doen, ook met losse. losglasfezo-kabel. Je hebt niet alleen akousticsenting, dat is de trillingen maar een heen. maar je hebt ook glasfezo-kabel die rekk kunnen meten. En dan echt op de kleine naam, millimeter en akkeur. Die temperatuur kunnen meten, die zout op zoetwaart kunnen meten. Nou, goed voor de akousticsenting. Volg mij in Spanje zijn ze volg maar aan het kijken met de sporten. Maar het is nog niet allemaal van din aardatje het ook echt gezag. In een operatie kan zetten en zeggen van je, het is 99% akuraat. Dus vandaar het wij deze proefsijm begonnen, ook samen met netwek rill. met andere proefen optrekken om te kijken of het kunnen gaan toepassen. Ja, het kan op par. Ja, misschien of even een keer hebben we voor het impactijk echt helemaal tot uit en kond. Heb je nog een wilde toekomst idee van wat er allemaal nog meer mogelijk is? Ja, we hebben een iets van 60 juuskaises, geen identifies, die waar we met de glasfezo. Ja, we hebben het glasfezo iets meer kunnen, daar hebben we er nu achter van gepakt. Ja, mijn toekomstroom is dat we in de naad. na eigenlijk al binnen twee jaar of een juuskais die we nu al doen zijn om die in de proektuik te brengen. Maar dat we in de naad over. na een pakken bij tien jaar, 20 van deze apparaten, waarvan er vier continuen. eigenlijk realtime staan te monitoren en een deel van de apparaten die. van de ene ene ande kaas hier in de meenemd en een analyse doet op de spoor. Ja, op tien punten zeg maar teruggeven, jo, het is zo gesteld met je eerst, lasse zo gesteld met je overwege naar Bladliban. En ik kan niet meer normaal naar het spoor kijken als ik naar mijn ouders ga goed en deze weekend goed kijk. Dat heb ik ook in de naad, sinds ik hier aan werken, dat is wel erg ontstaat, toch automatisch die spoorbaan aan het scan op los te klemvieren. Ja, ja, ja, ja, ja. Ja, goed, zo. Ja, goed, zo. Voor de spoor lopen ze hier naar neepensies. Ja, wat kan doen, ring. Nou, dan gaan we denk ik maar richting de afsluiting en misschien ks Jan en Vijnoch een mooie tip voor data-scientist. Ja, heel algemeen of wat is wat jou betreft. Het belangrijk aanigspunt voor het hetzijd is, wat wij ze meekenen geven. Ja, ik denk dat het belangrijkste is om mensen steken, de mijn experiments van de afdelingen die er wat meer kunnen om die naar binnen te halen en daarmee gesprek te gaan en te blijven. Want dat maakt het volgens mij een meer levend voor als je modellant ontwikkelen bent. En naar binnenhalen in de zin van betrekken bij en niet zelf iets progeneren en dan een half jaar later aan de haar naar binnen sleven? Ja, ja, ja, dat moet ook wel. Ja, ja. Ja, ook niet alleen naar de data kijken, maar die data kompaz gaat wat betekent of tot even komen met IPUT van de juiste experts. Ja, die kunnen bepalen wat de toegevoegde waarde is van een modell waardoor hun werk makkelijker komen worden. Ja, dus blijf in gesprek of gaan gesprek. Ja, top. Nee, super. Dank je, Jan. Hoorag bedankt voor het leuke spik. Ja, geen dank. Leuk me wel, dan gaan we hem hier afsluiten. We gaan we denk ik de warmer vol zitten met de kruiddrankjes. Ja. Lekker, we zie ik je. Moin? Ja toch? Ja. Oké. Heb je bedankt voor het luisteren, iedereen? Tot de volgende keer. Noori.