 Ja, mijn presentatie, de T&L case study, over de concrete bridge. Om een klein introductie te geven over dat we nu aanwezig zijn aan het T&L, een zogevaarlijke programma, en het is inderdaad op de concrete bridges, speciaal op de verkeeringsbedrijven en de verkeeringsbedrijven, de decodatie, de mechanisme. En lang is dat, er zijn ook ontwikkelingen op de T&L om een nieuw type van sensor te ontwikkelen, dat is het MSDF, multisensor data fusion, ik ben er voor dat naam. De idee behind het is dat er een set van verschillende sensors, alle die een verschillende fysieke kwantiteit meegemaakt zijn, over de verkeeringsbedrijven en de directe indicatoren van de verkeeringsbedrijven en de indicatoren ook van de verkeeringsbedrijven. En de idee behind dit is dat, als je dat doet en alle dit informatie aan het adden, het moet de kwaliteit van je statement ontwikkelen, of er is verkeeringsbedrijven en in welke manier het is. Nou, als een exemple, dit is een van de configuraties die we nu bekijken. Wat we zien is een kleine BASI-netwerk die is te worden gebruikt als een interpretatiemodel van de sensor data. Doe niet de kleuren, doe niet de namings van de noten, want ze zijn niet echt correct. Maar de idee is dat als je de verkeeringsbedrijven maakt, dus dat is de verkeeringsbedrijven, je maakt ook potentieel, dus potentieel drop. Persistence, relatief humidity, je weet iets over structuur in termen van cementratie en cementiteit. Als je alle dit informatie hebt en je ze combineert, kan je met een statement komen over of er is verkeeringsbedrijven of niet. Dus dit endnote zal je de probability dat er verkeeringsbedrijven is, of de probability dat er geen verkeeringsbedrijven is. Nu, als je de sensor op structuur applied, dan krijg je eigenlijk evidence voor alle deze verschillende noten. En als een exemple, hoe we het dan zouden performeren, is als je deze sensoren in staat of de data van de verschillende noten maakt, dan zie je de evidence overal over en overal deze plekken. Je ziet dat je de interpretatie met deze combinatie data krijgt. Er is een hoge probability dat er verkeeringsbedrijven zou zijn. Dus dat is de idee behind. En dan hebben de kostactie, de structuur helst monitoring, en speciaal de verkeeringsbedrijven, dan was de idee, zou het ook leuk zijn om deze sensoren uit te nemen en de test te maken, dus opnieuw, in termen van verkeeringsbedrijven. Dus de idee is, compare deze sensoren type en compare het te meer traditionele manieren en de manieren van de verkeeringsbedrijven voor de verkeeringsbedrijven, en dan zie je of er is meer verkeeringsbedrijven kunnen beperken voor deze nieuwe sensor. Dus dat was een beetje mijn 60 seconden synopsis van het geval dat we kijken hebben. Dus de actuale bridge, we zijn nu aan het kijken in Amsterdam en we hebben een grote wereldstructuur die behoorlijk beëindigd is en beperkt. Dit zijn verschillende monitoring systemen volgend jaar. Maar een van de plezieren die we kunnen worden, we kunnen dan ook als een bepaalde voor de stroomsteroor-en-en-sys voor de nieuwe sensoren uitkijken. een bepaalde diagrammaatje, ik denk dat ik niet over het hele tijd zal gaan, maar gewoon de dingen die we gisteren ontdekken hebben gebleven en eigenlijk een paar punten in deze diagrammaatje waren speciaal belangrijk voor mij omdat ik vroeg, er zijn een aantal van deze dingen. Bijvoorbeeld, de vormen moeten we focussen op het ultieme land of niet, dat is om te zeggen, gaan we allemaal weg, tot de verreurden, of confine onzezelfs voor het moment op de servicabiliteit-land. En met respect naar dat, de servicabiliteit-land ook dan blijven zijn de objecties van minimiseren de manteningsscenariëren, natuurlijk related te dat. Ook gisteren ontdekken was de mogelijkhedenmediaal acties en ik heb al gesteld dat ik wil kijken naar kooting, verrenuwe en kotoptiek protectie, ook omdat we wat informatie hebben over deze medie-acties die nu met respect naar kost, leeftijd en efficiëntie van deze meten. En dan natuurlijk, we gaan verschillende scenario's doen, één met bijvoorbeeld een traditionele sensor of measurement system en verschillende scenario's dan met de nieuwe sensor tijd en kijken of er is een additional value in dat nieuwe measurement system. Ook gisteren ontdekken is, we hebben een hele structuur, een hele kruis, dat is wel iets en gelukkig was de suggestie gemaakt ook om niet te starten met de hele structuur, maar gewoon te zetten. Nou, dit is gewoon als een illustratie, maar we zullen gewoon focussen zelfs op, let's say, een square meter of wat verschillende square meters om te starten met. Een meer markt over de limiteschap. Dus we zullen inderdaad focussen op de servicabiliteit, maar door reisening we kunnen ook staten over de ultieme demonstratie maken, in een manier dat, nou, als deze sensor maakt sens, dan kan je ook reden dat het ook maakt sens om te monitoren met respect de ultieme demonstratie. Oké, nou, hoe te modeleren de vervolking van vervolking op de vervolking. Ik ben geïnspireerd door publicaties, door Jochen Hackel en Jochen Corlo en ook door Rolo Schneider en Sebastia. En als illustratie van wat werk dat we ook hebben gedaan bij TNO, dit is gewoon een voorbeeld over de DEMIC netwerk dat we willen gebruiken. Dit was ontwikkeld niet voor vervolking, maar voor vervolking, fatigue voor offshore wind turbine en iets zoals dit. We werden ook dan ontwikkeld voor de vervolking de vervolking op vervolking. Dus dit is een DEMIC network, wie ook gereden was bij Elisabeth, waar we deze tijdslijden komen door tijd. En het is dan aangekomen met de decisionen en utiliteiten motoren, de kosten van vervolking, inspectie of monitoring en de kosten van vervolking. Maar, zoals ik zei, we willen niet eigenlijk kijken naar vervolking, maar kijken naar verschillende vervolkingen. Dus dat is eigenlijk mijn vervolking. En please, discussie. Welke vragen? Kom maar, jongens. Sorry, maar kan je de enige in de video explainen? Wat is, laten we zeggen, geen monitoring of monitoring alternatief? En wat is in ieder geval in ieder geval de key optimization issue hier? Wel, de imaginele situatie dat, inderdaad, je zal de keuze tussen verschillende sensoren of sensoren of layouts hebben. En je wilt de enige die het meest kostendig is. Dus dat is de idee. We zullen kostoptimization doen. Maar er zal ook geen sensor alternatief zijn. Er zal geen sensor alternatief zijn? Nou, ik dacht niet over het, maar ja. We kunnen ook door het andere scenario gaan en kijken wat dat zou betekenen in de termen natuurlijk en in de maindelijkheid acties. Ja, natuurlijk, ja. Eerst, natuurlijk, je kunt imagineren of het betekent dat het zin is te doen. Is het de beste optie om te doen of niet? Might be. I thought you were telling me. I have a question, could you go to the spade network to do this sender? Do you want the effect of the sender measurements on the particular one? The ceramic mesh, did you not talk to me? No, no, the small one. The small one, okay. Sorry. So in order to set this network up, maybe I can explain because I think it's not anybody aware of it, how you did it. And just explain how you did set up such a network based on the measurement. Yeah, well, it happens, it happens that that's quite some experience. Not like me, by myself, from a TNO perspective. So colleagues of mine over the years collected a lot of data. And a substantial set of that data was also validated. So we actually know under which conditions of these physical parameters there was corrosion or there was no corrosion. So what we did is, it was a combination of data mining. So let the data speak for itself. But also a little bit reasoning from the more, let's say, chemical, physical point of view. How these dependencies should work. It's a little bit trade-off compromise between the both. So we took now this configuration of the nodes and then trained the dependencies, the relations through the data. So all these conditional probability tables or like use, if you like, were calculated through a big set of data relating the parameters towards the state of corrosion. To find learning algorithm, they can take data and you can make such a basic network representing the data best. That's what we did. That's a very good methodology. So maybe this is also sometimes an option for your projects. That's really good. So, other questions? So, then thank you very much. Thank you. That was also perfectly in time.