Analyse van uitruktijden

Voor de Brandweer heeft VORtech een data analyse uitgevoerd om de uitruktijden te onderzoeken. Daarmee kunnen interne processen verbeterd worden.

De opkomsttijd van de brandweer is de tijd tussen de melding en het moment dat de brandweer ter plaatse is op de specifieke locatie. Voor de meeste gebouwen geldt als norm dat de opkomsttijd maximaal acht minuten is. Onderdelen van de opkomsttijd zijn de tijd dat de brandweer ervoor nodig heeft om uit te rukken (uitruktijd) en de tijd die de brandweer nodig heeft om van de kazerne naar de brand te komen (rijtijd). Door analyse van uitruktijden kunnen de bepaalde processen bij de Brandweer verder geoptimaliseerd worden. Zoals het alloceren van kazernes en het het aantal brandweerlieden dat op elk tijdstip inzetbaar is.

We hebben gekeken naar rare waarden in de datasets en met statistiek onderzocht hoe reëel die zijn. En we hebben gekeken of de uitruktijden binnen en buiten werktijd anders zijn. Verder hebben we changepoint analyse gebruikt om te onderzoeken welke data wel of niet gebruikt kan worden bij het berekenen van de karakteristieke uitruktijden.

Extreme en foutieve waarden in datasets

Een van de belangrijke vragen is hoe we moeten omgaan met foutieve en extreme waarden in de datasets. Het is vaak lastig om onderscheid te maken tussen deze twee categorieën. Uitruktijden van 0 minuten zijn sowieso altijd fout. Maar een lange uitruktijd kan bijvoorbeeld komen doordat een locatie erg afgelegen ligt. Of het kan het gevolg zijn van een menselijke fout bij het rapporteren hiervan.  Uiteindelijk bleek het in de meeste gevallen lastig is om met statistiek te bepalen of we te maken hebben met foutieve of extreme waarden. Expert-kennis is dan vereist om te beslissen of bepaalde metingen ongeldig zijn en dus verwijderd moeten worden uit de datasets.

Anderzijds zijn er ook statistische technieken voorhanden die om extreme/foutieve waarden heen kunnen werken. Deze statistieke technieken werken met interkwartielafstanden (verschillen tussen het eerste en derde kwartiel), wat een maat is voor de spreiding van een verdeling. Er is in principe geen “juiste” methodiek die altijd werkt. Het is een kwestie van definiëren van een redelijke en verdedigbare methodiek.

Opdeling van uitruktijden

Een van de vragen die we kregen was of uitruktijden ’s avonds vergelijkbaar zijn met die in het weekend. We stelden vast dat beroepsbrandweerlieden duidelijk langere uitruktijden hadden buiten kantooruren. Er was verder weinig verschil tussen het weekend en doordeweeks. Vrijwillige brandweerlieden hadden duidelijk langere uitruktijden ’s nachts. Ook hier was er weinig verschil tussen het weekend en doordeweeks. Voor verdere analyses kan de data dus het best gesplitst worden tussen dag/nacht en niet tussen weekend of doordeweeks.

Gebruik van historische datasets

Als er ergens in een historische tijdreeks iets erg veranderd is, kun je de oudere gegevens niet meer gebruiken. Anderzijds wil je liefst zo lang mogelijke tijdseries hebben om de statistiek betrouwbaarder te maken. De vraag is dus: hoe ver terug in de tijd kunnen de gegevens nog zinvol in een analyse gebruikt worden. Om deze vragen te onderzoeken hebben we zogenaamde  “changepoint analyse” gebruikt; dit is een krachtige tool waarmee duidelijke trendveranderingen automatisch opgemerkt kunnen worden.

Voor sommige locaties konden we laten zien dat er inderdaad bepaalde “changepoints” waar te nemen zijn. In zo’n geval kan vervolgens door de brandweer worden nagegaan of de verandering verklaard kan worden. Het kan bijvoorbeeld komen door een verandering van de bezetting of van gehanteerde protocollen. Verder geven de changepoints aan vanaf welk moment de data gebruikt kan worden.

Hoe nu verder?

In het project hebben we succesvol de data analyse uitgevoerd voor de Brandweer. In deze data analyse moest gewerkt worden met met een beperkte dataset. Als er meer data beschikbaar komt dan kan de analyse ook beter en accurater worden uitgevoerd. De exacte methodiek kan in dit geval dan ook beter uitgewerkt worden, wat ook kan uitmonden in een operationele softwaretool.

Eerste stappen zijn in ieder geval gezet om data-analyse te gebruiken om meer inzichten te verkrijgen over de uitruktijden.