Onkruid op verharding groeit niet overal even snel en wordt ook niet overal naar dezelfde kwaliteitseisen beoordeeld. Waar in het centrum strengere kwaliteitseisen gelden dan in het buitengebied, en prioriteiten zelfs binnen één gebied verschillen, ligt voor BOR-teams de uitdaging in het maken van de juiste keuzes: waar grijp je in, en waar nog niet?
Zeker aan het begin van het groeiseizoen, wanneer alle onkruidsoorten tegelijk opkomen, wordt die afweging en priorisering complex. Uitvoerders moeten continu bepalen waar het risico op kwaliteitsoverschrijding het grootst is. Tegelijkertijd wordt het steeds lastiger om voldoende vakbekwame mensen te vinden die deze keuzes zelfstandig kunnen maken.
Juist daarom ontstaat de behoefte om uitvoerders in het veld beter te ondersteunen met inzicht en prioriteit. In dit blog lees je hoe AI-ondersteunde software helpt om die kennis beschikbaar te maken, zodat zelfsturende teams zonder vakkennis gerichter kunnen werken en beter grip houden op de kwaliteit van het werkgebied.
In het begin van het groeiseizoen groeit onkruid op verharding op veel plekken tegelijk en vaak met maximale groeisnelheid. De uitdaging is dan niet alleen het uitvoeren van werkzaamheden, maar vooral het maken van de juiste keuzes: waar dreigt een kwaliteitsoverschrijding en waar kan het nog wachten?
Zonder duidelijk inzicht wordt het lastig om vakmensen effectief in te zetten. Teams moeten zelf inschatten waar de hoogste prioriteit ligt, terwijl die kennis in de praktijk steeds beperkter aanwezig is. Het gevolg is dat uit nood vaak het hele areaal wordt aangepakt, terwijl het juist belangrijk is om te focussen op de locaties waar de kans op kwaliteitsoverschrijding het grootst is. Hierdoor raakt het werk versnipperd, nemen inzetmomenten toe en groeit het risico op overschrijdingen.
De kern van de uitdaging ligt daarom niet in het uitvoeren van het werk, maar in het continu prioriteren ervan zonder dat hiervoor extra vakbekwame capaciteit nodig is in het veld.
AI-beeldherkenning maakt het mogelijk om de inventarisatie en prioritering van werkzaamheden volledig te automatiseren. Camera’s op de wagen leggen met vaste intervallen beelden vast van het werkgebied. Een getraind detectiemodel analyseert deze beelden en herkent waar onkruid op verharding aanwezig is en waar de kwaliteitseisen dreigen te worden overschreden.
Deze informatie kan op twee manieren worden aangeboden aan de uitvoerende teams. In de eerste variant wordt een kaart weergegeven waarop direct zichtbaar is waar actie nodig is en waar niet. In de tweede variant worden op basis van deze inzichten automatisch taken gegenereerd, zodat uitvoerders precies weten wat er moet gebeuren.
Voor uitvoerende teams ontstaat hiermee een duidelijke werkwijze: ze zien precies waar ze moeten zijn en wat er gedaan moet worden. Dit maakt het mogelijk om als team zelfstandig te werken en continu de juiste prioriteiten te stellen.
Het resultaat is minder afhankelijkheid van individuele vakkennis, meer rust in de uitvoering en betere grip op de kwaliteit van het werkgebied.
Met de software van Jewel wordt onkruidbestrijding op verharding geen kwestie van achteraf reageren, maar van gericht en proactief werken. In plaats van alleen hoogfrequent inzicht te geven, vertaalt het systeem deze inzichten direct naar uitvoeringsvoorstellen en prioriteiten. Automatisch gegenereerde taken laten zien waar actie nodig is en maken duidelijk welke locaties prioriteit hebben.
Jewel houdt continu bij welke werkzaamheden zijn uitgevoerd en welke nog openstaan. Door historische data te combineren met actuele inzichten worden terugkerende probleemlocaties zichtbaar en kan gerichter worden gewerkt. In de praktijk blijkt dat een deel van het werkgebied vaak geen behandeling nodig heeft, waardoor inzet efficiënter wordt en onnodige werkzaamheden worden voorkomen.
Maar de kracht zit niet alleen in technologie. Het gaat om hoe we uitvoerende teams in staat stellen om de juiste prioriteiten te stellen en hun werk optimaal uit te voeren.
Binnen Jewel BOR staat het ondersteunen van uitvoerende teams centraal. Door inzicht en prioriteit direct beschikbaar te maken in de uitvoering, kunnen teams zelfstandig keuzes maken, beter samenwerken en inspelen op de dynamiek van de dag.
Zo ontstaat niet alleen een efficiëntere werkwijze, maar ook meer grip op het realiseren van een schone, veilige en leefbare openbare ruimte, elke dag opnieuw.
Organisaties die werken met deze aanpak krijgen continu hoogfrequent inzicht van de buitenruimte en kunnen gerichter sturen op kwaliteit. De kans op overschrijdingen neemt af, werkzaamheden worden efficiënter uitgevoerd door uitvoerende teams zonder vereiste vakkennis en ook opdrachtgevers profiteren van beter onderbouwde keuzes en aantoonbare resultaten.
Daarnaast stopt het niet bij onkruidbestrijding op verharding. Beeldherkenning wordt steeds breder ingezet binnen het beheer van de openbare ruimte, bijvoorbeeld voor veegvuil, bijplaatsingen bij ondergrondse containers, blad- en bloesemvuil en zwerfafval. Zo stellen de hoogfrequente beelden van de buitenruimte organisaties in staat een diversiteit van werkprocessen aan te sturen.
Wil je ook je voordeel doen met deze manier van werken? Neem contact op en ontdek wat dit voor jouw organisatie kan betekenen.