Firma počas štyroch rokov existencie získala niekoľko ocenení. To jej pomohlo zvýšiť záujem investorov o jej službu, a teda pretaviť nápad do konkurencieschopného riešenia. Prinášame vám rozhovor so zakladateľom s CEO spoločnosti Pavlom Konečným, pričom dúfame, že jeho úspešný príbeh inšpiruje aj ďalšie mladé strojárske talenty.

Pán Konečný, predstavte čitateľom spoločnosť Neuron Soundware.
Jako firma se zabýváme diagnostikou stavu strojů – na základě vzdáleného monitoringu pomocí zvuku a vibrací jsme schopni analýzou odhalit závady ve velmi rané fázi, a tím pádem předejit kritickým poruchám a neplánovaným odstávkám. Vyvíjíme a trénujeme umělou inteligenci, která pomoci naučených vzorců provozu stroje, anomálií a poruch dokáže automaticky vyhodnotit, zda stroj zní, jak má, či ne. Vše se zpracovává v malé IoT krabičce umístěné hned vedle stroje, kterou si sami vyrábíme.
Náš tým v současnosti 35 lidí a sídlíme v Praze na Vyšehrade. Jádro tvoří machine learningoví a sw inženýři, ale vyvíjíme i vlastní hardware, takže máme HW specialisty a podpůrný tým lidí pro instalace a správu nahrávacích zařízení. Zbytek týmu tvoří standardní pozice jako obchod, marketing, projektový management a administrativa.

Neuron je úspešný start-up. Aké však boli vaše začiatky? Kto všetko vám pomohol s rozbehom?
Začátky byly těžké, v malém týmu, bez větších prostředků, dokonce i s různými nápady, jaký business s využitím umělé inteligence vlastně rozjet. Zlom přišel v akcelerátoru Startup Yard, kde jsme se finálně rozhodli zaměřit na zpracování zvuku v průmyslu, tedy diagnostikovat poruchy strojů pomocí zvuku. Je to něco, čehož obecný princip všichni známe, ať už z vlastního auta nebo jakéhokoli jiného přístroje, který když zní divně nebo jinak než jsme zvyklí, tak s nim většinou není něco v pořádku a je zde riziko, že se brzy více poškodí nebo úplně rozbije. Princip byl tedy jasný, jen jsme kromě algoritmu museli překonat další technické problémy od sběru po ukládání dat. Umělá inteligence a tzv. Technologie internetu věcí se v posledních letech velmi dynamicky rozvíjí, takže bylo jen otázkou času, píle a dostatku dat, než se nám to začalo dařit. Dále jsme využili ještě několik dalších akcelerátorů, včetně napr. Airbus Bizlab, nebo SAP Industry 4.0, a také jsme uspěli v mnoha mezinárodních soutěžích. S financováním nám významně pomáhají investoři, především J&T Ventures, Inven Capital a Lead Ventures; bez těchto externích zdrojů by se v naši technologické branži dnes prosadit asi nešlo.

Známymi ste sa stali vďaka audio diagnostike. Ako vám pomáha umelá inteligencia pri detekcii anomálií a porúch?
Umělá inteligence je základní kámen naší služby. Postupně se čím dál více zaměřujeme na sofistikovanou detekci anomálií. Je to praktičtější a univerzálnější přístup pro většinu průmyslových aplikací, protože u strojů v průmyslu zpravidla nejsou poruchové stavy natolik časté, abychom měli šanci v rozumné době získat dostatek vzorků poruch pro trénink běžného algoritmu. Umíme nyní náš předtrénovaný algoritmus zkalibrovat na jakýkoli stroj, naučit se jeho vzor chování, různé provozní módy, a zaměřujeme se na spolehlivou detekci odchylek od těchto normálů. U každého vzorku pak algoritmus řekne, jak se liší od nominálního. A když překročí tato míra nastavený treshold (limit – pozn. red.), tak správci stroje pošleme varovný email či smsku. Systém stále vylepšujeme s přísunem většího množství dat a ideálně i reálných poruch.
Naše metoda diagnostiky je velmi univerzální a má využití pro širokou paletu strojů a zařízení jako jsou motory, kompresory, pumpy, turbíny, roboty, zdviže, ložiska apod. Základní monitoring umíme nasadit během několika dní. Ve spolupráci se zákazníkem pak postupně přesnost vylepšujeme. Kromě strojů umíme pomoci s audio analýzou, která se často používá v kontrole kvality výrobků nebo při monitoringu různých výrobních procesů.
Proces učení je iterativní, takže v rámci rozběhu služby by měl zákazník očekávat, že začneme s určitou přesností, kterou budeme dále vylepšovat. Algoritmus během kalibrace testujeme na stovkách tisíc potenciálních/augmentovaných poruch. V mnoha případech se naše detekce anomálií využívá jako systém doporučující. My i zákazník si můžeme jakýkoli nahraný vzorek odkudkoli poslechnout a „zkontrolovat“, vyhodnotit si ho. Pracujeme na rozšíření naší platformy, abychom mohli nabídnout zákazníkům servisní a provozní deník stroje, kde by se všechny informace sbíhali.

Kam by ste chceli posunúť spoločnosť v najbližšom období?
Jde nám teď hlavně o škálovatelnost a mezinárodní expanzi. Chceme se posunout od monitoringu jednotek zařízení k desítkám. To nám umožní získat násobně víc dat, což využijeme pro další vylepšení úspěšnosti detekce a přesnosti algoritmu. Velmi zajímavý se nám jeví například ropný a petrochemický průmysl, kde se tradičně spoléhá na standardní vibrodiagnostiku. Nicméně naše řešení má pro údržbu v těchto odvětvích dobrý potenciál, protože zvuk je mnohem bohatší zdroj dat a umělá inteligence mnohem výkonnější v detekci anomálií než tradiční metody. Není proto překvapení, že v tomto roce se chceme prezentovat mnohem více i na Blízkém Východě, na výstavách jako např. Middle East Energy nebo ADIPEC.

TEXT Michal Múdrý FOTO archiv firmy

Celý rozhovor prinesieme v júnovom vydaní Strojárstvo/Strojírenství.