Rozhovor s Pavlem Konečným pro Beststartups.eu

Český startup Neuron Soundware vyvíjí technologii pro automatizovanou prediktivní údržbu průmyslových strojů. Pomocí zvukové/vibrační analýzy strojů umožňuje tato technologie odhalit hrozící poruchy, které by znamenaly nákladné opravy a výpadky výroby.

Technologie je založena na kombinaci umělé inteligence postavené na neuronových sítích a strojovém učení a zařízení IoT nEdge, které přijímá a zpracovává data ze senzorů. Technologii Neuron Soundware využívají klienti ve svých provozech po celém světě od Dopravního podniku hl. m. Prahy po výrobce polovodičů v Malajsii.

Řekněte nám něco o sobě?

Po studiu kybernetiky jsem pracoval v poradenské firmě v oblasti IT, kde jsem přišel se spoustou nápadů a kolegové se mě často ptali, proč jsem si nezaložil vlastní firmu. Odpovídal jsem, že jsem čekal, až budou počítače dostatečně rychlé, abych mohl vytvořit zajímavé aplikace v oblasti umělé inteligence.

Na začátku jsme zkoumali myšlenky využití neuronových sítí pro kompresi dat a přihlásili jsme se do StartupYard akceleračního programu, kde jsme získali první investici. Díky programu a lepšímu pochopení potřeb trhu jsme se od experimentování s hudbou nebo kompresí dat přesunuli k hlasu a nakonec ke strojovým zvukům. Problémy strojů jsme se žačali zabývat, protože pro nás bylo nové a nechápali jsme, proč to ještě nikdo nedělá. A také díky kamarádovi, který měl skřípající motor.

Co je inspirací pro vaše podnikání?

První využití neuronových sítí v oblasti zvuku bylo plánováno v hudebním průmyslu. Na myšlenku využít je v oblasti strojové diagnostiky nás však přivedla životní zkušenost jednoho z našich přátel. Zmínil se, že má problém se svým autem.

Zvuk motoru se změnil a tak ho odvezl do servisu. Palubní počítač ani technici však žádný problém nezjistili. Pokračoval tedy v jízdě a o 200 kilometrů později mu praskl válec a zničil celý motor vozu. Měl prý štěstí, že to bylo dva dny před vypršením záruky.

Jaký je váš tajný recept?

Naší výhodou je jistě univerzálnost metody. Neinvazivní senzory a mikrofony se velmi snadno instalují a nehrozí, že by mohly ovlivnit provoz stroje. Ve výrobním závodě potřebujeme pouze elektrickou zásuvku nebo 12V zdroj napájení. Službu lze spustit velmi rychle v řádu dnů bez nutnosti budovat náročná datová úložiště, integrovat výstupy ze strojů různých výrobců apod.

Poslouchat můžeme i mimo slyšitelné spektrum. Z hlediska detekce závad a opotřebení má zvuk tu výhodu, že se anomálie projeví velmi brzy, takže lze včas odhalit problematické stavy a předvídat budoucí vývoj. U jiných analýz, jako je teplota, tlak, spotřeba energie, se anomálie obvykle projeví až později - a to už může být pozdě.

Jak si představujete, že bude vaše společnost fungovat za 5 let?

V budoucnu se chceme vstoupit na pole robotiky. Do pěti let bych chtěl koupit společnost, která vyvíjí roboty. Ti by se pak mohli stát opraváři a řešit závady, které naše zařízení identifikuje. Již nyní plánujeme přidat různé návody, co mají zákazníci s porouchanými stroji dělat. V příštím roce chceme také začít testovat brýle s rozšířenou realitou , které by informovaly techniky o stavu stroje a přímo jim poradily, jak jej případně opravit. Prozatím načítají informace o stroji prostřednictvím QR kódu v mobilním telefonu.

Jaký byl váš největší dosavadní neúspěch?

Největší výzvou při zavádění nových technologií je správná komunikace se zákazníky, přesné nastavení očekávání a výsledků na začátku spolupráce. Se zákazníky jsme měli několik nedorozumění, která se nám naštěstí časem podařilo urovnat.

Zavedení umělé inteligence do řízení údržby a obecně do změn procesů v průmyslu neprobíhá hned a tato technologie přináší tím větší hodnotu, čím déle je nasazována. Umělá inteligence se musí učit. Někteří zákazníci mají od samého počátku velká očekávání. Předpokládají, že algoritmy za ně celou problematiku údržby vyřeší hned. To dnes není možné. Vidíme to u samořízených automobilů, jejichž zavádění postupuje velmi pomalu.

Čím více dat umělá inteligence shromáždí, tím lépe se může rozhodovat a vyhodnocovat stav zařízení. Proto dnes doporučujeme zákazníkům nasadit technologii hned od začátku na co nejvíce strojů ve výrobě, aby bylo možné rychle shromažďovat data, zkrátit dobu učení a co nejdříve dodat hodnotu, kterou služba nabízí - přesnou diagnostiku stroje.

NATHANIEL FRIED