Ik heb hier de laatste tijd veel over nagedacht en ik wilde het aan de community voorleggen omdat ik weet dat velen van jullie werken aan industriële en infrastructurele locatiekeuze.<\/P>
Semiconductor fabs zijn een van de meest veeleisende gebouwtypen als het gaat om locatiekeuze. We zoeken niet langer alleen vlak land nabij een snelweg. Een moderne fab heeft enorme, stabiele stroom nodig (we hebben het over honderden megawatt), miljoenen liters ultrapuur water per dag, seismische stabiliteit tot op fracties van een millimeter trillingsbestendigheid, en nabijheid van een arbeidsmarkt met zeer specifieke technische vaardigheden. Als je één van deze aspecten verkeerd inschat, kijk je tegen miljarden aan vastzittende investeringen aan.<\/P>
Hier stopt GIS wat mij betreft met een "nice to have" te zijn en wordt het de enige serieuze manier om dit aan te pakken. Je kunt niet zoveel overlappende beperkingen evalueren in een spreadsheet. Je moet in staat zijn om kaarten van nutsinfrastructuur te combineren met gegevens over overstromingsgebieden, seismische risicogebieden, waterrechten en gegevens over aquiferherstel, capaciteit van transmissielijnen, spoor- en snelweginfrastructuur, en demografie van de beroepsbevolking, allemaal tegelijk, over meerdere kandidaatregio's 96 en daadwerkelijk zien waar de haalbare zone ligt.<\/P>
Wat ik het meest interessant vind is het wateraspect. Iedereen praat over beschikbaarheid van stroom, maar het verkrijgen van ultrapuur water en vergunningen voor afvalwaterlozing kunnen een locatie sneller doen afvallen dan stroom ooit zal doen. Het combineren van waterscheidinggrenzen, bestaande toewijzingen van waterrechten en droogterisicomodellen met kandidaatlocaties brengt problemen veel eerder aan het licht dan een traditionele haalbaarheidsstudie zou doen.<\/P>
Het andere waar ik steeds op terugkom is de overlap van stimuleringszones. Veel staten stapelen momenteel opportunity zones, foreign trade zones en CHIPS Act-gerelateerde stimuleringsdistricten bovenop elkaar. Als je GIS-analyse die grenzen niet naast de fysieke beperkingen volgt, kun je een locatie uitsluiten die financieel eigenlijk de sterkste optie is zodra stimulansen worden meegerekend, of andersom.<\/P>
Waar ik mezelf een beetje tegen zou willen spreken: GIS is geweldig om het veld te verkleinen, maar het kan een vals gevoel van precisie creëren. Een gewogen geschiktheidsmodel is slechts zo goed als de gewichten die je toekent aan stroom versus water versus seismiek versus arbeidsmarkt, en die gewichten zijn uiteindelijk een beoordelingskwestie, geen puur data-gedreven resultaat. Ik heb teams gezien die een geschiktheidsscore behandelen alsof het evangelie is terwijl het eigenlijk gewoon een gestructureerde manier is om een mening te organiseren.<\/P>
Ben benieuwd hoe anderen hier omgaan met de multi-criteria weging hiervan. Leunen jullie op AHP (analytic hierarchy process) om je weegkeuzes te verdedigen tegenover belanghebbenden, of iets lossers? En neemt iemand al grid interconnection queue data mee in hun modellen, gezien hoe lang sommige regio's erover doen om nieuwe industrieble stroomaansluitingen goed te keuren?<\/P>
Zou graag horen hoe andere GIS-mensen fab-locatie aanpakken, vooral degenen die een project tot aan de eerste schop in de grond hebben begeleid. Wat klopte er in de data en waar leidde het jullie verkeerd?<\/P>
