Intelligent Remote Inspection Tool

Probleemstelling

Zoals elke sector waarin verhuur van materieel plaatsvindt, hebben leasemaatschappijen van graafmachines en ander bouwmaterieel te maken met schades door de huurders en waardevermindering van het eigendom.

Onderzoek onder onze klanten heeft uitgewezen dat dit in Nederland alleen al miljoenen op jaarbasis betreft en op wereldwijde schaal een veelvoud hiervan. Het niet melden van schades is een groot probleem, aangezien dit resulteert in een lagere waarde van het onderpand.

Zolang de klant betaalt, is dit geen probleem, maar als de financier de asset terug moet halen i.v.m. achterstallige betaling, leidt dit tot grotere verliezen voor de leverancier. Daarnaast is er ook regelmatig sprake van fraudeus gedrag van dealers door één asset twee keer als onderpand te gebruiken voor het verkrijgen van leningen.

Als deze asset ook nog minder waard is door schades, dan wordt dit probleem voor de financier dus nog groter in geval van achterstallige betalingen en vordering van de asset. In dit kader voeren leasemaatschappijen steekproefsgewijs audits uit, waarbij een inspecteur op locatie een controle op het machinepark uitvoert.

Doordat dit bijvoorbeeld in de mijnindustrie vaak afgelegen gebieden betreft die lastig te bereiken zijn, betreft dit een tijdrovende exercitie die veel reisbewegingen met zich meebrengt.

Doelstelling project

De technische en commerciële haalbaarheid te onderzoeken van de ontwikkeling van een remote inspectietool met automatische schadeherkenning op basis van kunstmatige intelligentie.

Met deze tool kan een audit doeltreffend op afstand worden uitgevoerd op basis van afbeeldingen (foto’s) van de betreffende machines die door de huurder zelf op locatie worden gemaakt.

Deze tool zal geïntegreerd moeten worden in onze bestaande Inspectie App, waardoor het uitvoeren van audits op afstand naar een niveau wordt gebracht dat werkelijk de fysieke inspectie kan vervangen en fraude effectief kan worden aangepakt.