Validatie
Samenvatting
Validatie is meer dan het uitvoeren van een technische controle. Het doel van validatie is niet om zoveel mogelijk afwijkingen te vinden, maar om objectief vast te stellen of beschikbare bouwdata voldoende betrouwbaar is voor het proces waarvoor zij wordt gebruikt.
Daarmee verschuift de vraag van "Is dit model goed?"* - naar "Kunnen we deze data vertrouwen voor het proces dat we willen uitvoeren?"**
Deze vraag vormt de kern van DAQS.
Kernvraag
Wanneer is bouwdata voldoende betrouwbaar om door een volgend proces te worden gebruikt?
Waarom dit belangrijk is
Digitale bouwdata wordt gebruikt voor steeds meer toepassingen. Dezelfde informatie kan worden ingezet voor ontwerp, hoeveelheidsbepalingen, prefabproductie, vergunningverlening, assetmanagement of AI-ondersteunde processen.
Deze toepassingen stellen niet allemaal dezelfde eisen.
Informatie die voldoende is voor een ontwerpvisualisatie hoeft niet automatisch geschikt te zijn voor een IFC-export. Een model dat bruikbaar is voor vergunningverlening bevat niet noodzakelijk alle gegevens die nodig zijn voor geautomatiseerde werkvoorbereiding of onderhoud.
Dat betekent dat datakwaliteit geen absolute eigenschap is.
De waarde van informatie wordt bepaald door het doel waarvoor zij wordt gebruikt.
Wat is validatie?
Binnen DAQS is validatie het proces waarmee objectief wordt vastgesteld of beschikbare informatie voldoet aan vooraf gedefinieerde kwaliteitscriteria.
Deze kwaliteitscriteria kunnen afkomstig zijn uit:
- landelijke informatiestandaarden;
- organisatiespecifieke afspraken;
- projectspecifieke eisen;
- technische kwaliteitsregels;
- eisen die voortkomen uit een specifiek bedrijfsproces.
Een validatie beoordeelt daarmee niet of een object correct is gemodelleerd, maar of de beschikbare informatie voldoende betrouwbaar is om veilig door een volgend proces te worden gebruikt.
Datakwaliteit is contextafhankelijk
Een bouwobject is niet automatisch goed of slecht.
De beoordeling hangt af van het doel waarvoor de informatie wordt gebruikt.
Een ontbrekende eigenschap kan volledig irrelevant zijn voor een ontwerpvisualisatie, maar tegelijkertijd een geautomatiseerde hoeveelheidsbepaling onmogelijk maken.
Op dezelfde manier kan een object voldoen aan alle projecteisen voor vergunningverlening, terwijl dezelfde informatie onvoldoende is voor assetmanagement.
Datakwaliteit is daarom geen eigenschap van een model.
Datakwaliteit is een eigenschap van de relatie tussen beschikbare informatie en het doel waarvoor die informatie wordt gebruikt.
Validatie creëert vertrouwen
De aanwezigheid van data betekent niet automatisch dat deze ook bruikbaar is.
Een parameter kan aanwezig zijn, maar een verkeerde waarde bevatten. Een classificatie kan bestaan, maar niet overeenkomen met de afgesproken standaard. Relaties tussen objecten kunnen compleet lijken, maar toch onvolledig zijn.
Validatie brengt deze onzekerheden objectief in beeld.
Daarmee ontstaat een belangrijk onderscheid.
Vertrouwen ontstaat niet doordat data aanwezig is. Vertrouwen ontstaat doordat objectief is vastgesteld dat de beschikbare informatie geschikt is voor het beoogde gebruik.
Dat is de reden waarom validatie voorafgaat aan automatisering.
Meer dan een technische controle
Het is verleidelijk om validatie te zien als een verzameling technische controles op parameters of eigenschappen.
Binnen DAQS is validatie fundamenteel iets anders.
Een validatie onderzoekt of informatie voldoende betrouwbaar is om een proces te ondersteunen.
Een ontbrekende parameter is daarom niet het probleem op zich. Het probleem is dat het ontbreken van die informatie ertoe kan leiden dat een volgend proces geen betrouwbare resultaten meer kan produceren.
Een validatie is daarmee geen technische controle op een parameter.
Een validatie is een objectieve beoordeling van de bruikbaarheid van informatie binnen een specifieke context.
Praktijkvoorbeeld
Een aannemer wil automatisch hoeveelheden genereren voor prefabproductie.
Hiervoor moeten alle relevante bouwobjecten correct zijn geclassificeerd en voorzien zijn van de eigenschappen die het productieproces nodig heeft.
Tijdens de validatie blijkt dat alle objecten geometrisch aanwezig zijn, maar dat een deel van de classificaties ontbreekt.
Voor een ontwerpbespreking vormt dit nauwelijks een probleem. Voor een geautomatiseerde hoeveelheidsbepaling betekent het echter dat de uitkomsten niet langer volledig betrouwbaar zijn.
De validatie beoordeelt daarmee niet het model als geheel, maar de betrouwbaarheid van de beschikbare informatie voor het proces dat de organisatie wil uitvoeren.
Belangrijkste inzichten
- Validatie beoordeelt de betrouwbaarheid van informatie.
- Datakwaliteit is altijd afhankelijk van het beoogde gebruik.
- Dezelfde bouwdata kan geschikt zijn voor het ene proces en onvoldoende voor een ander.
- Validatie creëert objectief vertrouwen in digitale bouwdata.
- Vertrouwen vormt de basis voor verdere automatisering.
Relatie met DAQS en Elements
Binnen DAQS vormt validatie het moment waarop objectief wordt vastgesteld of bouwdata voldoet aan de eisen van een organisatie of project.
De volgende stap is niet het tonen van een foutmelding, maar het begrijpen van het resultaat.
Daarom behandelt het volgende hoofdstuk hoe DAQS validatieresultaten uitlegbaar maakt en inzicht geeft in de oorzaak van iedere afwijking.
Belangrijk om te onthouden
Validatie beoordeelt niet of een model "goed" is. Validatie beoordeelt of de beschikbare informatie voldoende betrouwbaar is voor het doel waarvoor zij wordt gebruikt.