Man holding light bulb with data and analytics icons around it.

Kijken naar de toekomst van facility management met computer vision en artificial intelligence

We staan aan het begin van een tijdperk waarin artificial intelligence (AI), ook wel ‘kunstmatige intelligentie’ genoemd, een grote rol zal spelen in facility managementprocessen.

Het feit dat AI lastig te definiëren is, heeft in de loop der jaren geresulteerd in veel verschillende beschrijvingen. Zo moet bijvoorbeeld het woord ‘robot’ niet altijd letterlijk te worden genomen: binnen AI zijn robots namelijk van software en niet van hardware gemaakt. Sterker nog, naarmate toepassingen van kunstmatige intelligentie alledaags worden, schaart men het vaak niet meer onder AI. Neem bijvoorbeeld de toepassing autofill: wanneer je eraan gewend raakt dat Google nauwkeurig schat wat je wilt zoeken, verliest het zijn ‘wow’-factor.

Persoonlijk ben ik van mening dat de term ‘kunstmatige intelligentie’ soms op ongepaste manieren wordt gebruikt, vergelijkbaar met het woord ‘slim’ zoals ik al eerder heb geschreven. Ik geef de voorkeur aan de term ‘machinaal leren’ wanneer we spreken over de rol van AI in facility management.

Soorten kunstmatige intelligentie

In een enquête die Planon momenteel uitvoert, wordt onderzocht wat de status is van AI binnen facility management en toepassingen van AI momenteel al worden gebruikt door FM-service providers:

  • Natuurlijke taalverwerking. Bijvoorbeeld een kamer reserveren of catering bestellen door met een digitale persoonlijke assistent te praten.
  • Computer vision. Bijvoorbeeld het gebruik van beveiligingscamera's die personen automatisch identificeren en een melding maken nadat het gebouw is gesloten.
  • Planning. Als u bijvoorbeeld een geavanceerd algoritme hebt dat de beste planning van medewerkers voor de juiste taken op basis van geoptimaliseerde reisroutes berekent.
  • Robotics. Bijvoorbeeld het gebruik van drones om onderhoudsinspecties uit te voeren op gevaarlijke locaties.
  • Ondersteuning bij het maken van beslissingen. Denk aan het gebruik van big data-analyse om mogelijke uitval van assets te voorspellen, daarop te reageren en de winstgevendheid van klantcontracten te verbeteren.
  • Machine learning. Denk aan bestelsystemen voor services die medewerkersvoorkeuren leren kennen en op basis van die informatie aanbevelingen doen of automatische aanpassingen doorvoeren.
  • Procesautomatisering. Bijvoorbeeld het gebruik van een platform dat contractgegevens en klantvoorkeuren gebruikt om het proces van naleving van klantcontracten te automatiseren.
Waarom Artificial Intelligence in Facility Management?

Gezien de rol die computer vision kan spelen voor facilitaire service providers, is dit een interessante toepassing van AI om in deze blog te bespreken. Commerciële service providers hebben sterke behoefte aan medewerkers die in een korte tijd effectief en winstgevend zijn. Afhankelijk van het type dienstverlener kan het personeelsbestand namelijk voor 80% van de totale kosten zorgen. Een goede reden om te kijken naar wat artificial intelligence hierin kan betekenen.

Computer vision kan zowel zien als begrijpen wat er gezien werd, een vaardigheid die voorheen exclusief menselijk was. Publicaties over computer vision en de sensorsystemen die worden gebruikt om de gegevens ervan te interpreteren, impliceren dat deze camera's slim worden. Deze camera's streamen namelijk niet alleen beelden, ze zijn ook in staat om die videostreams uit te breiden met datastromen die de dingen die gezien zijn, ook beschrijven. Deze technologie, die camera's in staat stelt om te leren en te interpreteren, wordt "Deep Neural Network" of DNN genoemd.

Waarde voor de organisatie

Artificial Intelligence kan verschillende personeelsuitdagingen voor service providers oplossen. Huidig onderzoek richt zich bijvoorbeeld op zelfrijdende auto’s. Zelfrijdende auto’s kunnen de omstandigheden van hun omgeving beoordelen, waarbij ze veel input vanuit sensoren gebruiken. Dit type voertuig wordt tegenwoordig ingezet in magazijnen, namelijk door het verzamelen en plaatsen van onderdelen zonder menselijke tussenkomst.

In gebouwen zijn camera's een veelvoorkomende sensor. Het toepassen van slimme camera’s in en om gebouwen zal nieuwe gebruikersmogelijkheden bieden voor het beheer van vastgoed, facilities en beveiliging. Deze leercapaciteiten kunnen worden toegepast op gezichtsherkenning, wat een verfijnd toegangsbeheer mogelijk maakt. Dit kan bijvoorbeeld ook helpen bij het ‘tellen’ van het aantal mensen in (een bepaald deel van) een gebouw. Gartner benoemde eerder dat deze technologie nu betrouwbaarder is dan de mens in het herkennen van individuen aan de vorm van hun gezicht. Deze computers kunnen helpen bij het verminderen van het aantal overuren van beveiligingsmedewerkers.

Bovendien kunnen slimme camera’s worden ingezet om gebeurtenissen te identificeren, zoals het illegaal dumpen van afval of het gebruik van liften op ongewenste manieren. Hierdoor kan er direct gereageerd worden waardoor schade of kosten kunnen worden beperkt.

Er is wel voorzichtigheid geboden bij het implementeren van dit soort systemen door privacy. In de publicaties rondom de ITXpo uit 2019, wijst Gartner op het feit dat gebruikers van technologie privacy belangrijker vinden dan gemak.

Slimme technologie in camera's kunnen en zullen waarschijnlijk in de toekomst ook worden toegepast op andere apparaten en in andere situaties. In hoeverre verkent uw organisatie de mogelijkheden van AI binnen facility management? Verwacht u dat u AI in de komende twee jaar zult gaan toepassen? Laat het ons weten en doe mee aan ons onderzoek naar het gebruik van AI binnen facility management.

Deel dit artikel