Data gedreven schadeanalyse voor de voorspelling van zakelijke elektronica reparaties

Inleiding

In dit project staat het onderzoeken van zowel de economische als de technische haalbaarheid van een deep learning model voor elektronicareparaties, de Data Gedreven Interactieve Schadeanalyse Tool (DGIST), binnen het Afterservice platform centraal.

Probleemstelling

In de huidige markt voor zakelijke reparaties van ICT-apparatuur zijn inefficiënties zoals een gebrek aan zicht op inventaris, te hoge voorraden, inefficiënte inkoop en een lage transparantie aan de orde van de dag. Het Afterservice platform streeft ernaar om de regie in deze keten in handen te nemen en levert een inkoop- en voorraadbeheerdatabase aan zakelijke gebruikers. Daarnaast faciliteert het levensduurverlenging door middel van de integratie van reparatie en refurbishment. Afterservice is als het ware de one-stop-shop voor het totale beheer, inkoop en reparatie van zakelijke hardware voor de eindgebruiker.

Functionaliteiten van Afterservice

Afterservice is een softwareprogramma dat het voor gebruikers inzichtelijk maakt welke devices er in gebruik zijn, bij welke medewerker deze zich bevinden en of een device aan vervanging of reparatie toe is. Afterservice optimaliseert zo het gebruik, de levensduur en het inzicht op een snelle en kosteneffectieve manier. Daarnaast zorgt het voor een effectieve inkoopplanning, wat leidt tot een verbeterde communicatie tussen resellers en eindgebruikers.

Reparatiemodule

Een van de mogelijkheden is het aanvragen van reparaties op apparatuur. Hiervoor heeft Afterservice een module die deze aanvragen compleet kan afhandelen. De beoogde innovatie, de DGIST, is een deep learning model dat de transparantie naar de gebruikers moet vergroten wanneer het gaat om het repareren van devices in het Afterservice platform. Dit wordt gedaan door met zelflerende algoritmes reparatie- en schadegegevens te analyseren, waardoor vooraf prijs- en doorlooptijdgegevens kunnen worden voorspeld. Hiermee wordt de drempel om te kiezen voor een reparatie verlaagd.

Doel van het project

Het doel van dit project is het onderzoeken van zowel de economische als technische haalbaarheid om de DGIST te ontwikkelen en in Nederland op de markt te brengen. Hiervoor zal een marktverkenning worden uitgevoerd en zullen interviews met verschillende potentiële partners worden afgenomen, zoals elektronica resellers, reparateurs en eindgebruikers.

Technisch haalbaarheidsonderzoek

Daarnaast zal ook een technisch haalbaarheidsonderzoek worden gedaan, bestaande uit een literatuurstudie naar de bestaande deep learning modellen en het testen van de haalbaarheid van het gebruik hiervan op kunstmatige data. Hieruit volgt een technisch ontwikkelplan.