Circulaire Economie: Repair cafés - Workshop 1

Deelnemers

Naam	Organisatie
Jan Larosse	Maakbaar Leuven
Rosalie Heens	Repair & Share
Stephanie Heylands	Statik
Sten Govaerts	Statik
Sam Bruyninckx	Kringwinkel ViTeS
Ward Dumon	Servilux
Wouter Sterkens	KULeuven
Niels Kinds	Stad Roeselare
Lieve Van Espen	Stad Leuven
Bart Scheenaerts	ABB
Stefan Lefever	imec
Yoko Dams	VITO
Dieter Cuypers	VITO
Rik Hendrix	VITO

Verwelkoming

Inleiding door Yoko Dams (VITO)

Inleiding Bart (VLOCA/ABB)

• Wat doet VLOCA?
• Hoe kan dit de deelnemers helpen?
• Waar willen we met VLOCA naartoe in de toekomst?

ORDP (Open Repair Data Platform)

Uitleg over het ORDP door Agustin Garcia Pereira (NUI Galway)

• Gebaseerd op data schema’s
• Standaard GraphQL
• ORDS (Open Repair Data Standard)
• API via GraphQL geeft flexibilieit naar de applicaties toe om querying te customizeren en veranderingen te beheren
• NUI bouwt interfaces (adaptors, connectors). Offered as a service. Als het project verdergaat, is het plan dat dit model wordt overgedragen aan business.
• Willen we dit aligneren met bijvoorbeeld een circulaire economie data space, dan zijn mogelijks nog een aantal extra stappen nodig voor onder andere het beheren van semantische interoperabiliteit.

Workshop

We kozen voor een co-creatie format waarin de organisaties in deze eerste gezamenlijke sessie elkaar en hun standpunten beter leren kennen. Daarbij gebruiken we drie leidende vragen om de open discussie te faciliteren.

• Vraag 1: Wat is jouw droom rond het thema van datagedreven repair cafés ?
• Vraag 2: Ben je datagebruiker of producent ?
• Vraag 3: Wat zijn de gaps, wat zijn mogelijke oplossingen, drempels, prioriteiten ?

Vraag 1: DE DROOM: Wat is de ideale wereld ? Hoe stroomt de data ? Wat is het gewenste architectuurmodel?

De organisaties aan het woord:

Organisatie	De droom van de organisatie
Maakbaar Leuven	Transparante omgeving waar alle info beschikbaar is om de beste oplossing te vinden. Barrières opruimen. Samenwerken. De droom is: méér herstelcultuur. Herstel makkelijker maken Transparante digitale omgeving – lerend netwerk. Digitale tools: laagdrempelig en transparant. Ervaringen delen zodat de herstellers snel weten hoe een faling aan te pakken. Resultaten van de herstellingen beschikbaar maken Interesse vanuit Vanden Borre en BSH (Bosch/Siemens)
Repair & Share	In een ideale wereld bestaat er een Google voor herstel waar je het type, merk en model ingeeft. Deze search levert je handleidingen, video’s (met index) en andere vormen van hulp op. De tool maakt automatisch vertalingen en is in staat onbetrouwbare van kwalitatieve informatie te onderscheiden.
Statik	data model, 1 API Alle interne systemen van professionals zijn anders. Moeilijk om die allemaal te laten samenkomen. Soms ook weerstand. Data bij gebruiker opvragen zonder grote inspanning van de gebruiker Lijsten van merken & modelnummers beschikbaar maken Kwaliteit van de data heel belangrijk
Lokale overheden	Lokaal beleid wil meten om te weten waarop in te zetten (beleidsperspectief). Men is op zoek naar data om hiermee de bijdrage van reparatie aan klimaatdoelstellingen te meten.
Kringwinkel	Laagdrempelige informatie waarmee iedereen aan de slag kan Bereid gegevens die ze hebben te delen Medewerkers kunnen goede aanvullende diensten leveren aan commerciële reparateur (bv identificatie)
De professioneel hersteller	De match making hersteller met het defect toestel is niet evident. Frustratie: “als we willen helpen, zijn we als bedrijf te duur”. Kennis “binnen garantie” inzetten buiten garantie. We willen weten waar handige harry’s opereren en welke kennis ze hebben (zowel problem-owner als problem-solver) om zo te helpen bij match-making. Dus: Identificatie v/h toestel + handige harry vinden die gecertificeerd is voor deze specifieke herstelling.
imec	Context van een herstelling is belangrijk (risico, wat is nodig, welke kennis is nodig) → wegnemen van zoekkosten, delen moet zeer laagdrempelig en makkelijk zijn. Beschikbaarheid van de data bv. Herstelvideo’s garanderen in de tijd Onderdelen: “veiligheid” wordt soms door fabrikanten gebruikt als afscherming
ABB	We wensen dat kennis wordt gedeeld met de kleinste gemeentes in VL. Geen uitsluitend grootstedelijk verhaal. Helpend en ontzorgend vanuit centraal team en duidelijk genormeerde data architectuur.
KULeuven	productpaspoort met materiaalsamenstelling, grondstoffen, transport,… subjectieve obsolescence is barrière (bij de release van een nieuw model van iPhone, switchen mensen vaak vroegtijdig van iPhone) model specifieke identificatie aan de hand van een foto van het label opheffen van de verwarring tussen fabrikantmodel en commercieel model. model specifiek beslissingssysteem op basis van leeftijd en herstelgeschiedenis ((bv. deur vervangen van wasmachine = nuttig voor ganse reeds modellen van Siemens / Bosch, maar daar bestaat geen lijst van)
VITO	idealiter kunnen heel wat aspecten van repair (kans op succes, leeftijd van eerste faling, veel voorkomende falingen,…) met solide datastromen in kaart brengen om er zo een policy indicator voor het monitoren en meten van circulaire activiteiten in een regio of in EU van te maken.
Open discussie	Het Europees milieuagentschap (EEA) werk aan nieuwe indicatoren om de circulaire economie in Europe te monitoren. Vanuit dat perspectief zijn zij dus een afnemer van data; Spare parts / verbod op harvesting/mining Nu: druk op de mogelijkheden door wettelijke beperking van gebruik van wisselstukken; Kunnen we reglementering aanpassen via Recupel. Kan de overheid/VLOCA hierop wegen ? → latere fase: betrekken Recupel / bevoegde Vlaamse instanties. Datamodel Op Eurostat vind je hoeveel toestellen er per land verkocht zijn. Een lijst met gelijkaardige vervangmodellen kan helpen bij de zoektocht naar vervangstukken.

Vraag2: Ben je datagebruiker of -producent, of beide? Wat is de benchmark? Wat ontbreekt er? Tot welke data wil je graag toegang? Wie gebruikt welke data/welke nog niet? Gebruik je al data die je elders gaat halen?

De deelnemende organisaties aan het woord:

Organisatie	Data aspecten
KULeuven	Datagebruiker van bv GfK-data (gebruik slechts toegelaten binnen 1 project), kringwinkel, … Producent van data bv. leeftijd Foto van modelnummer om producttype te identificeren.
ABB	Open data is niet hetzelfde als gratis data. GDPR biedt mogelijkheden aan burgers (niet alleen iets dat extra lasten brengt). Als een wasmachine van jou is, ben je dan ook eigenaar van de data over de reparatie? Als een gebruiker data wil delen, is dat toegelaten? Kan de overheid een rol spelen om data te mogen ontsluiten?
Professionele hersteller	De productiedata, leeftijd, aankoopbedrag, gebruikte onderdelen, probleemcodering, oplossingscodering incl. foto’s (want een faling kan veroorzaakt worden door verschillende problemen, en per probleem zijn er een aantal oplossingen). Gevalideerde data want men is vaak ter plaatse geweest. Die data worden gedeeld met 46 fabrikanten. Ook verkopers zoals Vanden Borre lezen de data. Maar zelf doet Servilux bijna niets met de data. Dus eigenaar van data met weinig nut voor eigen organisatie. Businessmodel: Servilux krijgt werk in ruil voor data. De wens is er om te kunnen delen en reparaties ook buiten het professionele circuit te vergemakkelijken.
Kringwinkel	Debruikers van data bv. Youtube. Veel kennis in hoofden van medewerkers maar niet gemakkelijk te delen: persoonlijke barrières (niet willen delen, te trots, wantrouwen tegen app: gaat men dat dan verkopen…)
Lokale overheden	Data voor monitoring, data verzameling via het city platform (mensen kunnen zelf gegevens i.v.m. herstel ingeven). Aanleveren van data: mapping tool (doorverwijzen naar professionele hersteller of repair café). Ondersteuning aan repair cafés om dataleverancier te worden.
Statik	foto’s van labels aangevuld door herstellog die door de herstellers wordt ingevuld. Er wordt ook ingevuld of er wisselstukken zijn gebruikt. Een rapport wordt gedeeld met de eigenaar vh toestel. Dit is zichtbaar voor alle andere geregistreerde herstellers. Nu 800 tal toestellen geregistreerd. City platform meer een communicatief verhaal / campagne. Hier worden ook enkele vragen naar leeftijd toestel gevraagd en dus verzameld. Daarnaast een tool voor de professionals, met ongeveer dezelfde velden. Interactieve kaart toont alle cijfers die geregistreerd staan. De guidance tool / beslissingsboom moet nog gebouwd worden. Doel: de burger gidsen naar de mogelijke herstelopties. Nog niet veel testgroepen hiermee bezig. Ongeveer 800 toestellen, waarvan 400 door Maakbaar Leuven.
Repair & Share	90% van de Repair Cafés deelt de data niet. We moeten nog meer motiveren/ laagdrempelig maken. Niet makkelijk want je hebt verschillende kanalen: repair monitor, fixometer, Youtube, Ifixit… . Je blijft heel sterk afhankelijk van de medewerking van de vrijwilligers. Hoofdmotivatie is persoonlijke babbel en hulp voor de mensen. Willen zicht krijgen op aantal RC events. We doen dit via websites, facebooksites etc. Maar moeilijk zeker te zijn van het resultaat.
Maakbaar Leuven	Inschakelen van een ander type van vrijwilliger: hooggeschoold, open voor digitalisatie. Mensen die citizen science data belangrijk vinden, niet enkel de reparateurs. Sensoren in apparaten: er gaat veel servicecapaciteit verloren omdat de data onderbenut zijn. Veel analytische mogelijkheden als we dit aggregeren, vanuit burger gedreven aanpak.
imec	Er is een manier nodig om traditionele datavergaringsmogelijkheden te omzeilen. Foto’s omzetten naar machine-readable info + foto’s blijven bestaan voor latere herverwerking. Uitdaging: fotodata moet gelinkt worden met metadata. Niet impliciet tenzij iemand dit doet. Zekerheid is niet 100%. Augmented reality als oplossing?

Vraag3: Hoe kunnen we data gaps vullen? Wat zijn drempels? Wat zouden mogelijke oplossingen kunnen zijn? Waar moet aan gewerkt worden? Wat is prioritair?

Conclusies

• Geen mogelijkheden als stad om je beleid op te volgen. Stijgt het aantal herstellingen? Waaraan is dat te danken? Impact repair café op afvalreductie?
• Vrijwilligheid van data-invoer is een drempel
• Hoe laaggeschoolden en vrijwilligers intrinsiek motiveren om data te in te voeren in een toepassing, terwijl de kerntaak de reparatie en het sociaal contact is. Ze willen het wel, maar ze doen het niet.
• Uitdaging van het op gang krijgen van de cocreatie; kennis bundelen via standaarden. Samenbrengen van gebruikers op 1 platform
  • reparateurs: hoe repareer ik dit? Meer nuttig maken om de app te openen.
  • consumenten: weggooien of repareren of verkopen
• Jobcreatie voor laaggeschoolden
• Gap samenwerking tussen verschillende partijen op snelle & efficiënte manier
• Match tussen soorten van producten (veel combi’s) en een databank op soort & modelnummer loopt vaak vast (bv. een wasmachine die ook droogt…). Verschillende benamingen voor combinaties van toestellen. Hoe catalogeren?
• Gap is dat producenten hier niet aan tafel zitten. Sommige merken kunnen bv. product bewust “dichtharsen” om het niet repareerbaar te maken.
• Testaankoop is een drukkingsmiddel dat werkt (website “terapkapot”). Testaankoop betrekken in traject.
• Kritische massa. Database moet aantal records bevatten. Pas dan nuttig.
• Foto’s opslaan goede manier van documenteren (data verandert, foto blijft)
• Standaardisering: OSLO (data.vlaanderen.be)

Wrap up (door imec)

nood	beschrijving
Metadata	Managen van metadata is enorm belangrijk rond Ervaringen (risico’s van herstellingen, kennis, materiaal, tijd, MTBF,...) Crowd data (kwaliteits ervaringen, website rond levenstermijn, testaankoop data,...)
Product passport	Een product passport is key als te managen digitaal data object Met data lineage : van producer over transport tot klant Voorbeeld ondersteuning met toestel foto en OCR (KUL) als digitaliseringsparameter
Liability	Liability is een belangrijke concern (bijvoorbeeld het herbruiken van onderdelen van recupel). Kunnen we zo mogelijk de reglementering aanpassen ?
GDPR	GDPR is een belangrijke concern (foto’s, locaties, ...) (kunnen we datakluizen gebruiken ?) Want bv een herstelactiviteit kan metadata bevatten zoals probleem, locatie, label, productie/verkoop data, waarde, gebruikte onderdelen,.. Niet al die data is zomaar te openen (data sovereignty/ownership) Oplossing kan zijn om coderingen toe te voegen (probleem, oplossing) Codelijsten : EICTA (IRIS codering)
Weerstand	Er is ook een algemene weerstand tot het delen van data en kennis (voorbeeld van de herstellers die moeten documenteren, of vrijwilligers die dan niet willen doen, voorbeeld oplossing via “cake” vrijwilligers). Net hierdoor is er voor 90 % van repair cafés nog geen sprake van data delen.

Opportuniteiten voor verderzetting van VLOCA traject

Aaangebracht door imec

• Werken rond data principes zoals privacy, sovereignty
• Rol van IoT uitwerken (nieuwe manieren zoeken om data captatie te automatiseren, bv RFID tags, OCR/ML op foto’s, ...)
• Data captatie door vrijwilligers ontzorgen, bijvoorbeeld Augmented Reality
• Data standaard (ORDS) is niet genoeg, moet verder doorontwikkeld worden tot op EU niveau. Wat ontbreekt er? (cfr OSLO)
• Data en metadata relateren: welke technieken zijn er (Linked data, asset registries, metadata catalogs,...)
• Hoe data uit andere data spaces fuzen met Repair data? (lijkt een uitdaging voor hun huidige platform)
• Hoe komen tot een unified data space voor repair data?
• Hoe hun GraphQL platform relateren aan toek evoluties van ORDS
• Heel belangrijk : hoe data repair sources ontdekken (catalogs, federation,...)
• Kunnen we al komen tot een Vlaamse norm?
• Hoe omgaan met de complexiteit van de business modellen: veel te veel soorten modellen om prijstransparantie en vergelijking tegen te gaan: eigen interne coderingen nodig op basis van aantal parameters die herstel toelaten => metadata opstellen van uit de repair economie want komt niet van de suppliers (maar is aan het veranderen)