Storingen en uitval van kritische elektromotoren en rotating equipment zoals pompen, compressoren en  transportbanden kost veel geld. Semiotic Labs heeft een methode ontwikkeld waarmee voorspeld kan worden wanneer het fout dreigt te gaan. “Dat doen we op basis van de analyse van stoom- en spanningssignalen. Daarmee voorspellen we of, wanneer en waarom deze assets gaan falen zodat onze klanten ongeplande stilstand kunnen voorkomen En flink kunnen besparen op energie en Co2 uitstoot”, aldus founder Simon Jagers. 

Je kunt je voorstellen dat een gezonde pomp anders draait dan een pomp waar een stuk van is afgebroken. “Je kunt je voorstellen dat er en andere trilling ontstaat dan als hij gewoon gezond staat te draaien. Die trilling gaat via de as van de  pomp en de koppeling naar de motor. De motor heeft een statisch gedeelte en een roterend gedeelte. Daartussen zit een luchtveld. Als de trilling van de pomp bij die motor komt dan verstoort hij het luchtveld en dan krijg je rimpels op je stroomsinus. Dat vormt een eigen vingerafdruk en dan kunnen wij uitlezen. Wij kunnen dus doorgaans zien wat er aan de hand is. Wij vangen meer dan 90% van wat er stuk gaat in het veld in hele extreme omgevingen of gewone huis, tuin of keuken omgevingen. Dat is fors meer conventionele technologie. Daarmee vang je meestal 50 tot hooguit 60%. ”

“Incidenten die 25.000 euro of meer kosten ”

Elektromotoren worden al heel lang gemonitord op basis van trillingen. “Het idee daar achter is dat als iets kapot gaat dan gaat het op een andere manier trillen dan als het gezond is. Het probleem met die technologie is dat een motor ook stuk gaat aan dingen die geen trilling veroorzaken met name elektrisch falen. Dat kun je er niet goed mee vangen. Daarnaast moet je meerdere sensoren op het object plaatsen, twee op de motor, twee op de pomp bijvoorbeeld. Dat doe je in het veld en dat is lastig en kostbaar.” Semiotic Labs plaatst de sensoren dan ook niet in het veld op de motoren, maar in de schakelkast. “Daar komt alles samen. Vergelijkbaar met een stoppenkast in huis. Die schakelkast daar kun je heel eenvoudig stroom en spanningssensoren in plaatsen.”

Inmiddels worden zo’n 1000 motoren gemonitord. Waarschuwingen komen binnen via een dashboard. “Het is vrij nieuwe technologie. Wij vinden dat we heel knap zijn en ver zijn, maar soms zien we een patroon dat we nog niet 100% kunnen duiden. We zijn aan het pionieren. We dachten eerder dat we alles wilden automatiseren, maar nu zien we dat het contact, het opbellen en de zaak doorspreken, heel nuttig is. Het helpt de klant om naar de juiste dingen te kijken en het helpt ons te leren hoe we bepaalde patronen moeten duiden.”

Hoewel het voor iedere motor zinvol kan zijn om die te monitoren, het is lang niet altijd rendabel.  “Als iemand 24 uur per dag productie draait dan is een uur uitval heel kostbaar, terwijl je bij een product dat van 9 tot 5 draait dat nog wel een keer kunt inhalen. Er zitten gewoon hele grote verschillen tussen. Wat je wel kunt zeggen: het wordt doorgaans interessant wanneer een incident 25.000 euro of meer kost. Dus als het uitvallen van een machine 25 mille kost dan begint de financiële businesscase interessant te worden.”

“Geen tussenoplossing ”

Bij nieuwe machines en motoren zulle steeds vaker sensoren worden ingebouwd. Toch is Jagers niet bang dat zijn bedrijf overbodig zal worden of slechts een tussenstap zal blijken te zijn. “We zien die trend wel. Maar nog steeds blijft de vraag: wat is de beste oplossing voor het probleem. De technologie wordt goedkoper. Wij zullen onszelf dus wel de vraag moeten blijven stellen: zitten we nog op de goede weg? Moeten we misschien data toevoegen. We zullen zeker veranderen. De meeste assets die wij monitoren worden gebouwd om tussen de 10 en 30 jaar mee te gaan, daar zitten tot nu toe nog bijna nooit sensoren op. Dus je zult nog lange tijd sensoren moeten bijplaatsen. Daarvoor zijn wij de beste kandidaat. Ik denk daarnaast dat onze technologie steeds meer geïntegreerd gaat worden met de machines en frequentieregelaars die nu ook meegeleverd worden. Wij bekwamen ons ook steeds meer is het analyseren van time series data en dat kun je met een paar aanpassingen ook zo op andere data toepassen. Dus we zijn geen tussenoplossing en we doen het goed.”

Semiotic Labs is niet het enige bedrijf ter wereld dat motoren monitort. Wat het bedrijf uniek maakt is de toevoeging van kunstmatige intelligentie. Jagers vergelijkt het met de ontwikkeling van Google Translate. “Als je een model wilt maken voor een taal of een elektromotor dan moet je een heleboel regels programmeren. Die moet je niet alleen samenvoegen maar ook afhankelijk maken van het vermogen dat die motor moet leveren, de buitentemperatuur of die linksom of rechtsom staat opgesteld. Dat soort elementen. Dat is niet te doen. Google is om die reden machine learning gaan gebruiken. Dan hoef je niet alle regels te programmeren, dan kan het algoritme leren van de juiste vertalingen. Dat is data driven. Dat hebben wij ook gedaan voor de elektromotoren. Dat maakt onze aanpak anders en wij vermoeden beter.” Om het goed te laten werken heb je wel een langere aanloopperiode nodig  “Je bent afhankelijk van de voorbeelden van falen. De leermomenten zoals ze dat noemen. Dus dat duurt wel even voordat je dat onder de knie hebt. Bij mijn weten zijn wij de enigen die deze data gedreven machine learning aanpak gebruiken.”

(Een verslag van @daalder)

De afleveringen van Top Names zijn via Soundcloud en iTunes als podcast beschikbaar.

Vind je het waardevol wat we doen? Steun ons door FMT Member te worden!