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.’