Ga naar hoofdinhoud

Octo: onderhoud voorspellen met drones en chips


Ze zijn nog steeds een start-up, al rekenen ze al heel grote bedrijven tot hun klanten. Maar Octo wil ook de corporatiewereld slimmer maken. Door de prestaties van gebouwdelen te gaan meten met behulp van neurale netwerken, chips en drones. Mede-oprichter Dirk Huibers: ‘Je pleegt dan alleen onderhoud op precies het juiste moment.’

Ah.. dus jullie gaan de opdrachtgevers vertellen dat ze nóg langer met onderhoud moeten wachten?

‘Nee, het gaat om het juiste moment. Dat kan ook eerder zijn. Vergelijk het met een tandartsbezoek. Dat is eens in het half jaar. Maar je kan een dag na de controle alsnog een gaatje krijgen. Een half jaar later is dat ernstig, terwijl het verholpen had kunnen worden.’

Ok, leg maar uit. Wat doet jullie bedrijf?

‘Octo bestaat sinds 2015. We hebben veel succes in de facilitaire dienstverlening. We bespreken met opdrachtgevers welke informatie ze willen hebben over hun gebouw en die verzamelen we. Real time, met behulp van sensoren die bijvoorbeeld lucht, temperatuur of vochtigheid kunnen meten. Onze algoritmes analyseren die data. Zo komen gebouwbeheerders erachter of hun vergaderruimten wel optimaal benut worden, of het voedsel in het restaurant wel op de juiste temperatuur is, of dat de verwarming of koeling wel optimaal werkt. Bijvoorbeeld: Als een vergaderruimte wél besproken is, maar niet wordt benut, dan registreert de sensor dat het licht niet aangaat. Dat ziet de receptie en die kan de ruimte weer beschikbaar stellen.’

Juist… en dat gaat met chips ofzo?

‘Met sensoren, meestal met een LoRa-chip verbonden aan een LoRa netwerk, inderdaad, al kan het ook via bluetooth. Het voordeel is dat je voortdurend metingen doet, duizenden op een dag. Die sensoren kopen wij in, dat is niet onze business. Wij maken de software waarmee je de gegevens omzetten tot bruikbare data.’

Hoe komen jullie dan bij de corporaties terecht?

‘We dachten al na over het monitoren van geveldelen. Op een conferentie kwam ik in gesprek met een directeur van een corporatie die daar wel iets in zag. Het leek ons goed om niet met één corporatie een pilot op te zetten maar met meerdere, zodat we onafhankelijke datavergaring zouden krijgen. We vroegen corporaties waar ze het liefst meer informatie over zouden willen. “Schilderwerk, gevelonderhoud” zeiden ze. Omdat het een flinke kostenpost is. En omdat het mooi zou zijn als het op het juiste moment plaatsvindt. En om eventueel aannemers te kunnen controleren.’

Dus…?

Dat bleek niet alleen interessant voor de corporaties, maar ook voor de gevelbouw-industrie, verenigd in de VMRG. Daarom hebben we samen met VMRG en dronebedrijf AeroScan het project FaSa opgericht. (Facade Service Application, red). Hiervoor hebben we via de gemeente Den Haag een subsidie gekregen uit het Europees Fonds Regionale Ontwikkeling. 43 partijen maken onderdeel uit van dit project, waaronder de corporaties van de WOCO van de toekomst, verschillende gevelbouwbedrijven en het onderwijs. We zetten structureel drones in. Daarmee verzamelen we grote hoeveelheden foto’s. Daarop passen we beeldherkenningstechnologie toe (een zelflerend neuraal netwerk) om materialen, elementen en gebreken te herkennen. Een drone kan overal bij een gebouw komen en visueel inspecteren. We hebben als eerste een toestemming van de Inspectie Leefomgeving en Transport gekregen om in de bebouwde kom te vliegen.

En wat doen jullie van Octo dan precies?

Wij ontwikkelen het digitale platform dat met behulp van beeldherkenningsalgoritmes informatie onttrekt aan foto’s en dat combineert met de data van sensors. Op basis van die data wordt de kwaliteit van een gebouw vastgesteld. Die sensors plaats je op kwetsbare delen, bijvoorbeeld een kozijn om de vochtigheid te meten. Maar dat beoordelen van foto’s is iets heel anders. Daarvoor moet het netwerk eerst duizenden, liefst honderdduizenden voorbeelden van foto’s krijgen. Dat is monnikenwerk. Eerst moet je al die foto’s hebben. Daarvoor gebruiken we onder andere duizenden inspectierapporten van corporatie-inspecteurs volgens NEN 2767. En die foto’s, bijvoorbeeld van bladderende verf, moeten allemaal door een mens bekeken worden en dan getagt of er geen, een beetje, veel of heel veel bladders op staan. Wat betreft bladderen zijn we nu zover dat de software de gradatie van onthechting kan herkennen. Nu alle andere visuele inspecties nog.’

Andere?

‘Alles is mogelijk. Denk aan uitdrogen van kitnaden, verdoffing, vervuiling, craquelé. Maar de corporaties denken ook aan dingen als blad in de goot. Ben je daar te laat bij, dan krijg je verstoppingen en lekkages.’

Jullie werken aan permanente monitoring van gebouwschillen?

‘Inderdaad. En dat is datadrager-onafhankelijk. We zijn niet aangewezen op drones. Boven Den Haag cirkelt een vliegtuig van de gemeente dat foto’s neemt. De auto’s van Google Earth komen elke twee jaar langs, er zijn ook andere bedrijven. Die data zijn te koop. En je kunt ook mensen vragen eens in de zoveel tijd een foto te maken en op te sturen. Uiteindelijk kan dat allemaal geheel autonoom door de kunstmatige intelligentie beoordeeld worden.’

En dan zegt jullie computer: ‘huur een schilder in’

‘Nee, zo is het niet bedoeld. Wij leveren objectieve data over de prestaties van gebouwen en gebouwdelen. Die kunnen worden gekoppeld aan de software waarmee de corporaties (of de aannemers) werken. Zij maken op basis van hun eigen inzichten beslissingen over het al dan niet nemen van maatregelen.’


PPG verlengt Colorful Communities tot en met 2035

Baan Twente wederom beste Mercedes-Benz Van ProCenter

Oostveen overgenomen door Hoogstraten Haarzuilens

Geen versoepeling regels voor Oekraïense zzp’ers

Soudal slaat vleugels uit naar Japan


Naar archief >