Posílení budoucnosti údržby: Konverzace s Pavlem Konečným, zakladatelem společnosti Neuron Soundware
Co inspirovalo zakladatele společnosti Neuron Soundware, aby se zaměřili na tuto oblast, a v čem vaše technologie založená na umělé inteligenci nabízí jedinečný přístup ve srovnání s tradičními metodami údržby?
K tomuto tématu nás přivedl skutečný příběh mého přítele. Jel autem a slyšel podivný zvuk vycházející z motoru. Dokonce zastavil v servisu, nicméně na palubním počítači se žádná chyba neobjevila. Pokračoval tedy v jízdě. A asi po 100 km praskl válec, zničil celý motor a škoda na autě dosáhla 10 000 EUR. Naštěstí pro něj to bylo 2 dny před koncem záruční doby. Lidskou schopnost učit se, jak stroje zní, a rozpoznávat nejrůznější anomálie replikujeme v softwaru pomocí hlubokých neuronových sítí. Předtrénovaný model používáme na velmi rozsáhlé databázi zvuků, takže můžeme monitorovat rotační, ale i nerotační stroje s různými provozními režimy. Celé nastavení je plně automatizované, protože trénujeme umělou inteligenci pro každý stroj zvlášť.
Jak se společnost Neuron Soundware udržuje v čele technologického pokroku a neustále zlepšuje přesnost a schopnosti svých algoritmů prediktivní údržby, protože umělá inteligence a edge computing se stále rychle vyvíjejí?
Strategicky jsme se rozhodli pro edge computing jako základní prvek našeho řešení. Možnost zpracovávat velké objemy dat bez cloudové infrastruktury má mnoho výhod. Za prvé, náklady na zpracování dat v cloud jsou poměrně vysoké. Za druhé, lokální proces umožňuje okamžitou reakci a integraci strojů. Navíc data zůstávají v rámci tovární sítě. Můžeme také analyzovat každou sekundu každou minutu po celý rok. To jsou TB dat každý měsíc z jediného stroje. Kromě toho je nyní problém s šířkou komunikačního pásma.
Jak Neuron Soundware postupuje v přetváření strojové diagnostiky, jaké jsou klíčové zkušenosti a překonané problémy?
Prokázali jsme, že neuronové sítě jsou při detekci anomálií velmi účinné. V naší databázi máme stovky hodin nahrávek poškozených strojů všech typů. Protože jsme implementovali také tradiční heuristiku vibrodiagnostiky, jako jsou metody obálky signálu založené na otáčkách, můžeme porovnat nový přístup a tradiční techniky. Neuronové sítě dokáží odhalit nadcházející problémy více než 4x pravděpodobněji a dříve než současné metody (89% oproti 19%). Naším cílem je nyní spolupracovat s velkými podniky a výrobci OEM, kteří chtějí inovovat systém monitorování svých strojů. Začali jsme také pracovat na budování distribuční sítě prodejců s přidanou hodnotou, abychom mohli naše řešení rozšířit v globálním měřítku.
Technologie společnosti Neuron Soundware má potenciál narušit tradiční postupy údržby. Jak přistupujete ke spolupráci s klienty při přechodu od reaktivních k proaktivním strategiím údržby?
Kombinace internetu věcí a umělé inteligence umožňuje udržovat větší počet strojů s přihlédnutím k jejich skutečnému stavu. Zdá se však, že větší hodnotu vytváří prevence poruch strojů, která jinak vede k problémům s kvalitou výrobků. Častěji je důležitější odhalit ucpání materiálu v mlýně než ušetřit na jeho údržbě. Jak již bylo řečeno, digitalizace zákaznického parku by postupně změnila přístup k údržbě z časové nebo reaktivní na komplexnější řízení stavu stroje.
září 2023 | Pavel Konečný pro TechFounders
Nejnovější příspěvky
