Hoe kun je controleren of een motor kapot gaat? Je kunt wachten tot de motor stopt met werken. Je weet dan zeker dat deze kapot is. Je kunt de motor uit elkaar halen en elk onderdeel onderzoeken. Maar dan is de machine een tijdje uitgeschakeld. Je kunt ook naar de werkende motor luisteren. En dat is precies wat de start-up Neuron Soundware doet. Het bedrijf is gespecialiseerd in audiodiagnostiek van machines. Elke machine maakt geluid, als hij zijn taken uitvoert. Als er een mechanisch probleem is, verandert de geluidsemissie van de machine. Bijvoorbeeld door een extra piepje in de motor, zegt Pavel Konecny, de CEO van het bedrijf en de oprichter. Neuron Soundware doet echter veel meer dan een automonteur die zegt dat er rare geluiden uit de motor komen. De technologie, die is ontwikkeld door deze in Praag gevestigde start-up, stelt je in staat om aan de hand van het geluid van de motor te bepalen of deze goed werkt. Of bijna kapot gaat en voorspelt zelfs hoe lang hij nog draait voordat hij kapot gaat. Neuron Soundware gebruikt geluid om defecte machines te detecteren.

CEO & oprichter Pavel Konecny

Leg eens uit: hoe doen jullie dat?

Pavel Konecny, CEO: We gebruiken een combinatie van kunstmatige intelligentie en internet of things-technologieën om veranderingen in het geluid van werkende machines te detecteren. We creëerden een systeem van piëzo-elektrische microfoons die op de machine gemonteerd zijn. Ze voelen de bewegingen van de machine, die wij mensen kunnen horen als geluid. Met het IoT-apparaat dichtbij de machine, digitaliseren we vervolgens het signaal.  We trainen de AI om te herkennen wanneer de machine problemen heeft en wanneer hij goed werkt. Het systeem leert de standaard bewegingen en afwijkingen van de machine kennen. Als het systeem afwijkingen hoort, informeren we de klant hierover via e-mail of sms.

Nu hebben we ervaring met 16 verschillende soorten machines en ongeveer 100 IoT-apparaten die ernaar luisteren. Maar het is nog geen volledige lijst. We boeken vooruitgang door meer machines toe te voegen. Aangezien elk machinetype veel verschillende afmetingen en configuraties heeft, richten we ons op het kalibreren van het algoritme voor een bepaald individueel machinetype. Als een klant met een specifieke machine komt, verwerken we die bij ons op onze locatie: we hebben het aanbod van Acoustic Academy, waar we geluidsvoorbeelden verzamelen, opnemen en de positie van de sensoren testen. Uiteindelijk kunnen we die machine toevoegen aan de lijst van ondersteunde oplossingen.

Er zijn een aantal andere bedrijven in de wereld die gespecialiseerd zijn in geluidstechnologieën. Wat is het verschil tussen jullie en hen?

Onze concurrent uit Israël biedt een eenvoudigere oplossing dan wij. Ze richten zich alleen op de productieprestaties en doen niets met het voorspellend. Bij onze concurrenten uit de VS, is het verschil vooral technisch. Wij controleren de machines elke seconde, 24 uur per dag, zeven dagen per week. Zij kunnen maar één keer per uur gegevens lezen. En als het gaat over de benadering van machines, vertrouwen ze meer op traditionele technieken. Terwijl wij ons meer richten op leren van de gegevens.

Wat was het mooiste moment in de geschiedenis van het bedrijf?

Toen de CEO van Microsoft Satya Nadella het had over Neuron Soundware en wat we doen tijdens zijn keynote speech in Praag. Hij had elke andere AI-startup kunnen kiezen, maar hij koos ervoor om over ons te spreken. Dat voelde als een enorme waardering.

Wat zijn je plannen voor de komende jaren?

We verschuiven de focus van het ontwerpen en bouwen van een product naar het efficiënt leveren ervan. Nu denken we na over partners voor de productie van apparaten en werken we aan het opstellen van standaard leveringsprocedures. We moeten leren hoe we standaardoplossingen op schaal kunnen verkopen en leveren. We hebben net meer mensen in ons verkoopteam aangenomen. We bouwen nu alle procedures op rond de verkoop en ondersteuning van de klanten, partners en distributeurs.

Wat wil je over 5 jaar bereikt hebben?

We willen honderdduizenden verschillende machines over heel de wereld monitoren. We denken zeker dat dit mogelijk is. Onze studie schat de potentiële markt op 200 miljoen machines en ongeveer 65 miljard euro aan inkomsten. We hebben dus flink wat ruimte om nog op te kunnen schalen.

Geïnteresseerd in start-ups? Lees hier alle artikelen uit onze serie.