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.

Doel van het Afterservice platform

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. Het softwareprogramma maakt het voor gebruikers inzichtelijk welke devices er in gebruik zijn, bij welke medewerker, en of een device aan vervanging of reparatie toe is.

Optimalisatie en communicatie

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.

Reparatieaanvragen

Een van de mogelijkheden is het aanvragen van reparaties op apparatuur. Hiervoor heeft Afterservice een module die deze aanvragen compleet kan afhandelen.

Innovatie: DGIST

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.

Hierdoor kunnen vooraf prijs- en doorlooptijdgegevens worden voorspeld, wat de drempel om te kiezen voor een reparatie verlaagt.

Projectdoel

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.

Onderzoeksactiviteiten

Hiervoor zal een marktverkenning worden uitgevoerd en zullen interviews met de verschillende potentiële partners worden afgenomen, zoals:

1. Elektronica resellers
2. Reparateurs
3. Eindgebruikers

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.

Resultaten en impact

Hieruit volgt een technisch ontwikkelplan met de gedetailleerde softwaremodules die nodig zijn voor de ontwikkeling van het platform en een plan van aanpak met daarin de ontwikkelkosten en benodigde tijd.

Dit plan zal door middel van levensduurverlenging van zakelijke IT-hardware bijdragen aan een lager gebruik van grondstoffen, met als effect een lagere uitstoot van CO2. Dit wordt gerealiseerd door langer te doen met devices, waardoor er minder aanschaf nodig is, maar ook door minder transportbewegingen in de keten bij reparatie en refurbishment.

Volgende stappen

Na dit haalbaarheidsonderzoek, mits positief, is het doel de technische ontwikkeling van de DGIST in gang te zetten.