Camino Fieldlab Machine Learning voor rioolgemalen is een samenwerking tussen HHNK, Rijnland en Waternet waarin het voorspellen van storingen en predictief onderhoud aan gemalen centraal staat. Vanuit waternet ligt de nadruk op het toepassen van algoritmen voor het vroegtijdig herkennen van storingen aan rioolgemaalpompen. Waternet beheert meer dan 1200 rioolgemalen in de gemeente Amsterdam, groot en klein. Daar moet regelmatig ingegrepen worden, bijvoorbeeld als er een verstopping is. Terugkijkend in de data, blijken daar vaak al signalen aanwezig te zijn voor de verstopping. Het is echter onmogelijk om alle data 24/7 handmatig in de gaten te houden. Op basis van data van kenmerken van de verstoppingen, is een algoritme ontwikkelt dat real-time het gedrag van rioolgemalen analyseert en de signalen herkent die voorafgaan aan een storing. Het algoritme is geïmplementeerd in de praktijk op een selectie van 70 rioolgemalen en geeft automatisch een vroegtijdig alarm voor verstoppingen. Zo leren we in de praktijk en kunnen we waar nodig nog aanpassingen maken. Het doel is om het daarna stapsgewijs uit te breiden. Door implementatie van het algoritme is de verwachting dat meer (toekomstige) storingen binnen reguliere werktijden kunnen worden opgelost.