Key information

Title
En teknisk løsning med AI-drevne algoritmer for intelligent verdivurdering og bærekraftig produktbehandling
Application number
20230448
Case type
National
Status
Filed
25.04.2023
Effective date
25.04.2023
Publicly available
28.10.2024
Applicant
SALTEN TECH AS (NO)
Inventor
Tom-Greger Knutsen (NO)

Abstract and drawing


Disclaimer: This text has been machine-scanned and may contain errors – please refer to "Publications" for legally binding content.
Oppfinnelsen omhandler et teknisk problem knyttet til intelligent verdivurdering og bærekraftig produktbehandling ved hjelp av AI-drevne algoritmer. Grunnprinsippene for løsningen inkluderer automatisert innsamling og analyse av data fra ulike kilder, AI-basert kategorisering og vurdering av produkter, samt integrering av bærekraftige aspekter i produktbehandlingen. Hovedsakelig anvendes oppfinnelsen for å estimere verdien av produkter på en nøyaktig og effektiv måte og veilede brukere om de mest bærekraftige og kostnadseffektive metodene for produktbehandling, som reparasjon, rensing, materialgjenvinning og avfallshåndtering. Dette gir et mer miljøvennlig og ressurseffektivt system for verdivurdering og produktbehandling i ulike sektorer, inkludert forsikring, detaljhandel og avfallsbehandling.

Publications


A1
Checking availability of the latest published version...

Documents


Expand Download files (16)
Date
Date Doc. No. Process Case number In/Out Journal description To/from
18.09.2025 09-01 Saksbehandling 20230448 UT Endelig henleggelse NO SALTEN TECH AS
08.09.2025 08-01 Saksbehandling 20230448 UT Henlagt manglende svar NO SALTEN TECH AS
02.09.2025 07-01 Saksbehandling 20230448 UT PT Påminnelse om ikke betalt årsavgift (3329) (PT20230448) SALTEN TECH AS
02.03.2025 06-01 Saksbehandling 20230448 UT PT Varsel om betaling av første årsavgift (3317) (PT20230448) SALTEN TECH AS
02.10.2024 05-01 Saksbehandling 20230448 UT Realitet patent SALTEN TECH AS
23.05.2024 04-02 Saksbehandling 20230448 INN Svar Patentsøknad SALTEN TECH AS
23.05.2024 04-01 Saksbehandling 20230448 INN Korrespondanse (Hovedbrev inn) SALTEN TECH AS
24.11.2023 03-02 Saksbehandling 20230448 UT PT report 02:22:33
24.11.2023 03-01 Saksbehandling 20230448 UT Realitet patent SALTEN TECH AS
26.04.2023 02-01 Saksbehandling 20230448 UT Infobrev til oppfinner SALTEN TECH AS
25.04.2023 01-06 Saksbehandling 20230448 INN ProVal-Patentkrav (1) Tom-Greger Knutsen
25.04.2023 01-05 Saksbehandling 20230448 INN ProVal-patent-Beskrivelse Tom-Greger Knutsen
25.04.2023 01-04 Saksbehandling 20230448 INN ProVal patent sammendrag Tom-Greger Knutsen
25.04.2023 01-03 Saksbehandling 20230448 INN patent-flowchart - Page 3 Tom-Greger Knutsen
25.04.2023 01-02 Saksbehandling 20230448 INN erklaering_rett_oppfinnelsenb Tom-Greger Knutsen
25.04.2023 01-01 Saksbehandling 20230448 INN Søknadsskjema Patent Tom-Greger Knutsen

Description, claims and drawings


Disclaimer: This text has been machine-scanned and may contain errors – please refer to "Publications" for legally binding content. Description
BeskrivelseTittelEn teknisk løsning med AI-drevne algoritmer for intelligent verdivurdering og bærekraftig produktbehandling.Hensikten med oppfinnelsenOppfinnelsen, som er en teknisk løsning med AI-drevne algoritmer for intelligent verdivurdering og bærekraftig produktbehandling, har som mål å løse flere problemer knyttet til verdivurdering og behandling av produkter, spesielt innen forsikringsbransjen og e-handel.Problemet som oppfinnelsen løser, er mangelen på effektive, konsistente og miljøvennlige metoder for verdivurdering og beslutningstaking når det gjelder behandling av produkter.Dagens manuelle metoder er tidkrevende, ressurskrevende og kan føre til menneskelige feil og inkonsistente vurderinger. I tillegg kan miljøpåvirkningen være betydelig, da inkonsistente beslutninger om hva som skal destrueres og hva som skal berges eller renses kan føre til unødvendig avfall og økt forbruk av ressurser.Oppfinnelsen er en teknisk løsning som kombinerer AI-drevne algoritmer med avanserte maskinlæringsmodeller for å forenkle og automatisere verdivurderingsprosessen og bidra til en mer bærekraftig produktbehandling. Den tekniske løsningen inkluderer analyse av store mengder data fra forskjellige kilder, som bilder, kunstig intelligens, produktdetaljer og tidligere vurderinger, for å generere nøyaktige og konsistente verdivurderinger. Samtidig vurderer oppfinnelsen om produkter skal destrueres, repareres, eller renses basert på miljømessige og økonomiske faktorer.Det tekniske problemet løses ved hjelp av oppfinnelsen ved at AI-drevne algoritmer og maskinlæringsmodeller automatiserer verdivurderingsprosessen, reduserer menneskelige feil og inkonsistente vurderinger, og bidrar til en mer bærekraftig produktbehandling. Oppfinnelsen gjør det mulig for forsikringsselskaper, forsikringstakere og e-handelsbedrifter å forenkle verdivurderingsprosessen og redusere både kostnader og miljøpåvirkning.Bakgrunn for oppfinnelsenOppfinnelsen bygger på teknikker innen kunstig intelligens (AI), maskinlæring og databehandling for å skape en effektiv og miljøvennlig teknisk løsning for verdivurdering og produktbehandling. Dette inkluderer kjente metoder og algoritmer innen AI og maskinlæring, som nevrale nettverk og beslutningstrær, som har blitt beskrevet og anvendt i flere patenter og publikasjoner, for eksempel US-11636377-B1 og artikkelen Sarker, I.H. Machine Learning: Algorithms, Real-World Applications and Research Directions. SN COMPUT. SCI.2, 160 (2021) (https://doi.org/10.1007/s42979-021-00592-x).Det som skiller denne oppfinnelsen fra tidligere kjente teknikker og løsninger er den unike kombinasjonen av AI-drevne algoritmer og maskinlæringsmodeller som er spesielt utviklet for å effektivisere og automatisere verdivurderingsprosessen, samtidig som det tas hensyn til bærekraftig produktbehandling. Oppfinnelsen tar i bruk store mengder data fra forskjellige kilder og lærer fra tidligere erfaringer og beslutninger for å tilpasse seg og forbedre seg over tid. Dette fører til mer nøyaktige og konsistente verdivurderinger, samt mer miljøvennlige beslutninger om behandling av produkter.Oppfinnelsen forbedrer de eksisterende teknikkene ved å redusere tidsbruk, menneskelige feil og inkonsistente vurderinger, samt ved å bidra til en mer bærekraftig og miljøvennlig praksis. Dette gjør oppfinnelsen mer effektiv og nyttig for forsikringsselskaper, forsikringstakere og e-handelsbedrifter, som kan oppnå betydelige kostnadsbesparelser og redusere sin miljøpåvirkning gjennom implementeringen av denne tekniske løsningen. Kort sammendragOppfinnelsen presenterer en teknisk løsning som benytter AI-drevne algoritmer og maskinlæringsmodeller for å automatisere verdivurdering av produkter og bærekraftig produktbehandling. Den tekniske løsningen tar i bruk avanserte metoder innen kunstig intelligens, databehandling og maskinlæring for å analysere store mengder data fra ulike kilder og dermed forbedre nøyaktigheten og konsistensen av verdivurderinger.De tekniske trekkene inkluderer bruk av nevrale nettverk og beslutningstrær for å modellere og analysere data, samt en kontinuerlig tilpasning og forbedring av modellene basert på tidligere erfaringer og beslutninger. Dette gjør det mulig for systemet å lære og forbedre seg over tid, noe som resulterer i mer nøyaktige og konsistente verdivurderinger og miljøvennlige beslutninger om behandling av produkter.Ved å automatisere verdivurderingsprosessen og fokusere på bærekraftig produktbehandling, bidrar oppfinnelsen til å redusere tidsbruk, menneskelige feil og inkonsistente vurderinger, samt å fremme en mer miljøvennlig og ressurseffektiv praksis. Dette gir betydelige fordeler for forsikringsselskaper, forsikringstakere og e-handelsbedrifter, som kan oppnå kostnadsbesparelser og redusere sin miljøpåvirkning ved å implementere denne tekniske løsningen.Kort beskrivelse av tegningenTegningen viser et flytdiagram som illustrerer funksjonaliteten til ProVal-algoritmen og hvordan den behandler data for å utføre automatisert verdivurdering og bærekraftig produktbehandling. Flytdiagrammet inneholder flere trinn og komponenter, som viser hvordan algoritmen samhandler med ulike databaser, moduler og beslutningsprosesser.Datainnsamling: Flytdiagrammet starter med innsamling av data fra bruker, inkludert produktdetaljer og alder på produktet. Analyse og modellering: I denne fasen benytter ProVal-algoritmen maskinlæringsmodeller og kunstig intelligens for å analysere dataene og generere verdivurderinger og anbefalinger om produktbehandling.Beslutningstaking: Basert på analysen og modelleringen, gir ProVal-algoritmen en automatisert verdivurdering av produktet, samt en anbefaling om hvorvidt produktet bør destrueres, repareres eller renses.Oppdatering og forbedring: ProVal-algoritmen lærer kontinuerlig fra tidligere erfaringer og beslutninger, og oppdaterer og forbedrer modellene sine for å øke nøyaktigheten og konsistensen av fremtidige verdivurderinger og produktbehandlingsbeslutninger.Tegningen gir en klar og enkel visualisering av ProVal-algoritmens funksjonalitet og hvordan den bidrar til en mer effektiv og bærekraftig produktbehandlingsprosess.Konkrete eksemplerProVal-algoritmen er en teknisk løsning som benytter AI-drevne algoritmer for å utføre automatisert verdivurdering og bærekraftig produktbehandling. Her er noen konkrete eksempler som illustrerer hvordan oppfinnelsen virker, ved å fokusere på de tekniske trekkene og bærekraftaspektet.Eksempel 1: Elektronisk utstyrEt elektronisk utstyr, for eksempel en bærbar datamaskin, har blitt skadet og sendt inn til forsikringsselskapet for vurdering. ProVal-algoritmen samler inn data om datamaskinens spesifikasjoner og alder. Ved hjelp av AI-modeller og maskinlæring, analyserer algoritmen dataene og gir en automatisert verdivurdering. Basert på denne vurderingen og ytterligere analyse av skadeomfanget, gir ProVal også en anbefaling om hvorvidt datamaskinen skal destrueres, repareres eller renses, noe som bidrar til bærekraftig produktbehandling og reduserer miljøpåvirkningen. Eksempel 2: BilskadeEn bil har vært involvert i en ulykke, og forsikringsselskapet trenger en verdivurdering og anbefaling for videre behandling. ProVal-algoritmen samler inn data om bilens merke, modell, alder, kilometerstand og tidligere reparasjoner. Algoritmen analyserer dataene og gir en automatisert verdivurdering, samt en anbefaling om hvorvidt bilen bør destrueres, repareres eller renses. Dette sikrer en effektiv og bærekraftig behandling av bilen, som tar hensyn til både økonomiske og miljømessige faktorer.Eksempel 3: MøbelEt møbel, som for eksempel en sofa, har blitt skadet og trenger en verdivurdering og beslutning om videre behandling. ProVal-algoritmen innhenter data om sofaens merke, materialer og alder. Ved hjelp av AI-drevne modeller, gir algoritmen en verdivurdering og anbefaling om hvorvidt sofaen skal destrueres, repareres eller renses. Dette bidrar til en bærekraftig produktbehandling som minimerer avfall og ressursbruk.Disse eksemplene viser hvordan ProVal-algoritmen anvender tekniske løsninger og AI-drevne algoritmer for å oppnå automatisert verdivurdering og bærekraftig produktbehandling. Ved å tilpasse seg ulike situasjoner og produkter, gir ProVal effektive og miljøvennlige løsninger som støtter forsikringsselskaper, forsikringstakere og e-handelsbedrifter.Oppfinnelsen har bred anvendbarhet i forskjellige bransjer som har behov for verdivurdering av produkter. Spesielt i forsikringsbransjen kan oppfinnelsen bidra til en mer effektiv og nøyaktig verdivurderingsprosess, som igjen kan føre til mer rettferdige priser og bedre kundeopplevelser. I tillegg kan e-handelsplattformer og detaljhandelsbedrifter bruke ProVal-algoritmen for å hjelpe med prising og verdivurdering av produkter de tilbyr, noe som kan bidra til økt konkurranseevne og mer tilfredse kunder.Andre potensielle anvendelser inkluderer:Brukthandelsplattformer: ProVal-algoritmen kan benyttes for å gi en mer nøyaktig verdivurdering av brukte produkter som selges på brukthandelsplattformer, noe som kan bidra til økt tillit og tilfredshet blant kjøpere og selgere, samt fremme en mer bærekraftig økonomi ved å støtte gjenbruk og redusere avfall.Auksjonshus og vurderingstjenester: ProVal-algoritmen kan brukes av auksjonshus og vurderingstjenester for å estimere verdien av objekter før de legges ut for salg eller vurderes for forsikringsformål, noe som kan sikre riktig prising og maksimere salgsinntektene.Forsikringskrav og erstatning: ProVal-algoritmen kan benyttes av forsikringsselskaper for å forenkle og forbedre prosessen med å behandle skadekrav og beregne erstatning for skadede eller ødelagte produkter, noe som kan redusere saksbehandlingstiden og forbedre kundetilfredsheten.Produktutvikling og forskning: ProVal-algoritmen kan også brukes av bedrifter og forskningsinstitusjoner for å evaluere verdien av potensielle nye produkter og sammenligne dem med eksisterende produkter på markedet, noe som kan bidra til bedre beslutninger om produktutvikling og investeringer. Dette kan også hjelpe med å identifisere trender og vekstmuligheter innenfor bestemte markedssegmenter.Miljøhensyn: ProVal-algoritmen kan også bidra til en mer miljøvennlig tilnærming til produkthåndtering ved å hjelpe bedrifter og forsikringsselskaper med å ta bedre beslutninger om hvorvidt et produkt skal repareres, renses eller destrueres. Dette kan redusere unødvendig avfall og ressursbruk og støtte en mer bærekraftig og sirkulær økonomi.
Claims
Patentkrav1. En metode for automatisert verdivurdering av produkter, som omfatter:a. Innhenting av data fra ulike datakilder, inkludert søkemotorsøk, web scraping og ulike API (f.eks Google Shopping API), interne og eksterne databaser, samt verdivurdering generert av kunstig intelligens.b. Tilegning av vekt til ulike datakilder basert på produktkategori og kildens sannsynlighet for nøyaktighet ved hjelp av script og kunstig intelligens, der script er programmeringskode som brukes til å automatisere prosesser og hente data fra datakilder.c. Kategorisering av produktet ved hjelp av kunstig intelligens basert på produktbeskrivelsen. d. Beregning av fradrag basert på produktets alder og forsikringsselskapets tabeller.e. Generering av en estimert verdi på produktet basert på produktverdi, produktkategori og fradrag.f. Generering av et varsel for manuell kontroll når det er for store sprik i datakildene, for få datakilder, eller dersom produktet er så spesialisert og unikt at det ikke lar seg vurdere uten bistand fra fagfolk, hvor varslet informerer brukeren om at produktets verdi må kontrolleres manuelt.I denne metoden arbeider trinn a-f for å oppnå automatisert verdivurdering av produkter ved å innhente, analysere og vekte data fra ulike kilder, og deretter generere en estimert verdi basert på denne analysen.2. En metode for å vurdere om en gjenstand skal destrueres eller fikses/renses, som omfatter:a. Innhenting av data om produktet fra bruker.b. Innhenting av relevante data fra intern database med kostnader for rens, lagring, etc. c. Sammenligning av produktets verdi med kostnaden for reparasjon eller rensing av produktet. d. AI-generering av en anbefaling om å destruere/gjenvinne eller reparere/rense produktet. e. Vurdering av bærekraftige aspekter ved produktbehandlingen, inkludert materialgjenvinning, energibruk og avfallshåndtering, ved hjelp av kunstig intelligens og maskinlæringsalgoritmer.3. Et datamaskinimplementert system for automatisert verdivurdering av produkter og veiledning om destruksjon eller reparasjon/rensing av produkter, som omfatter:a. En datainnsamlingsmodul for å innhente data fra ulike datakilder.b. En vektleggingsmodul for å tilegne vekt til ulike datakilder basert på produktkategori og kildens sannsynlighet for nøyaktighet.c. En kunstig intelligens-modul for å kategorisere produktet basert på produktbeskrivelsen. d. En fradragsberegning-modul for å beregne fradrag basert på produktets alder og forsikringsselskapets tabeller.e. En verdivurderingsmodul for å generere en estimert verdi på produktet basert på produktverdi, produktkategori og fradrag.f. En veiledningsmodul for å gi anbefalinger om å ødelegge eller reparere/rense produktet basert på produktets verdi og kostnad for reparasjon eller rensing.g. En bærekraftighetsvurderingsmodul for å analysere bærekraftige aspekter ved produktbehandlingen, inkludert materialgjenvinning, energibruk og avfallshåndtering, og for å gi anbefalinger basert på denne analysen ved hjelp av kunstig intelligens og maskinlæringsalgoritmer.I dette systemet arbeider modulene a-f sammen for å tilby en automatisert verdivurdering av produkter og veiledning om destruksjon eller reparasjon/rensing ved å samle inn, analysere og vekte data, og deretter generere en estimert verdi og anbefaling basert på denne informasjonen.4. En metode for å oppdatere og forbedre automatisert verdivurdering, som omfatter: a. Samle tilbakemeldinger fra brukere og fagfolk om estimert verdi og faktiske verdi for produkter som har blitt vurdert av systemet.b. Analysere tilbakemeldingene og identifisere områder der forbedringer er nødvendige, for eksempel feilaktige vurderinger, feil kategorisering eller uventede variasjoner i datakildene. c. Oppdatere vektleggingsmodulen og kunstig intelligens-modulen basert på analysen av tilbakemeldingene for å forbedre nøyaktigheten av verdivurderingen og produktkategoriseringen.d. Overvåke og evaluere systemets ytelse etter oppdateringene for å sikre at forbedringene har hatt en positiv innvirkning på nøyaktigheten av verdivurderingene.5. En metode for å tilpasse automatisert verdivurdering til ulike jurisdiksjoner og forsikringsselskaper, som omfatter:a. Samle informasjon om juridiske krav, lokale priser og praksis, og forsikringsselskapers spesifikke krav og tabeller for fradrag.b. Tilpasse vektleggingsmodulen og fradragsberegning-modulen basert på innsamlet informasjon, slik at automatisert verdivurdering kan tilby nøyaktige estimater i samsvar med de relevante jurisdiksjonene og forsikringsselskapene.c. Gi brukerne mulighet til å velge jurisdiksjon og forsikringsselskap når de bruker systemet for automatisert verdivurdering, slik at de mottar estimater som er tilpasset deres spesifikke situasjon.6. En metode for å vurdere og håndtere potensielle interessekonflikter i verdivurderingsprosessen, som omfatter:a. Identifisere potensielle interessekonflikter, for eksempel når en bruker eller fagperson som gir tilbakemelding om verdivurderingen har en egeninteresse i den estimerte verdien av produktet. b. Implementere tiltak for å minimere effekten av potensielle interessekonflikter, for eksempel ved å anonymisere tilbakemeldingene, kreve uavhengig bekreftelse av verdivurderingen eller anvende tilleggsdatakilder for å validere estimatene.c. Overvåke og evaluere effektiviteten av tiltakene for å minimere potensielle interessekonflikter og justere dem etter behov for å opprettholde integriteten i verdivurderingsprosessen.For eksempel kan en potensiell interessekonflikt oppstå hvis det er forsikringstaker som gir tilbakemelding på en verdivurdering av et produkt. Som mottaker av forsikringsoppgjørett vil forsikringstaker ha en egeninteresse i at produktets verdi blir vurdert høyere. Dette kan påvirke verdivurderingsprosessen ved at den blir mindre objektiv og nøyaktig. Metoden søker å håndtere slike interessekonflikter ved å implementere tiltak som beskrevet i trinn b og c for å sikre en mer nøytral og pålitelig verdivurdering.7. En metode for bærekraftig produktbehandling, som omfatter:a. Vurdering av materialgjenvinning, energibruk og avfallshåndtering for hvert produkt som skal behandles, ved hjelp av kunstig intelligens og maskinlæringsalgoritmer.b. Generering av anbefalinger for produktbehandlingen basert på vurderingene i trinn a, med sikte på å minimere miljøpåvirkningen og ressursbruken.c. Implementering av de anbefalte behandlingsmetodene for hvert produkt, som kan inkludere reparasjon, rensing, resirkulering, materialgjenvinning eller annen bærekraftig behandling. d. Overvåking og evaluering av bærekraftighetsresultatene for produktbehandlingen, inkludert reduksjon av avfall, energibruk og ressursbruk, samt kontinuerlig forbedring av metodene og anbefalingene for å oppnå enda bedre bærekraftige resultater.
Drawings

Priority


No priority

Patent classes


IPC classesG06Q 30/02G06N 20/00G06F 16/951CPC classesG06Q 30/02G06N 20/00G06F 16/951

Citations


US 2019384857 A1 (A1)US 11195057 B2 (B2)US 11232383 B1 (B1)

Applicants, owners and inventors


Applicants
SALTEN TECH AS
SALTEN TECH AS

Org. number: 931200690

Name and address are automatically synchronized with the Brønnøysund Register Centre.

Open in The Brønnøysund Register Centre
Lillnesveien 17 8210 FAUSKE NO (FAUSKE Municipality, Nordland county)Org. number: 931200690
Inventors
Tom-Greger Knutsen
LILLNESVEIEN 17 8210 FAUSKE NO (FAUSKE Municipality, Nordland county)

Agent


No agent

Status history


Payment history


Oppositions and appeals


No oppositions or appeals

Administrative limitation


No administrative limitation

Liens and licences


No liens or licenses registered

Gazette entries


No Gazette entries foundOnly events from 2024.03.04 and onwards are shown.