Op naar de draaiende-as-as-a-service

Pieter Edelman
Leestijd: 8 minuten

Door machine learning los te laten op het stroomgebruik kan startup Semiotic Labs voorspellen wanneer een elektromotor het zal begeven. Bedrijven kunnen daardoor hun onderhoud beter plannen en downtime voorkomen.

Rondlopen tussen de stampende machines in het Botlek-gebied: het is een van de onverwachte voorrechten die Semiotic Labs met zich meebracht, een startup die machine learning inzet om te voorspellen wanneer onderhoud nodig is aan elektromotoren. It-ondernemer Simon Jagers begint te glunderen als hij erover vertelt: ‘Die twee werelden zijn ontzettend leuk en het is bijzonder dat we dit soort toch wel vooruitstrevende technologie kunnen toepassen in een wereld waar ze helemaal niet geïnteresseerd zijn in geouwehoer, maar gewoon willen dat hun spullen het blijven doen.’

Semiotic Labs heeft daar de afgelopen jaren een slimme aanpak voor ontwikkeld: het meten van stroom. ‘Mechanische schade aan een motor veroorzaakt trilling, die verstoort het luchtveld tussen de stator en de rotor, en dat zie je terug in de stroom. Op basis van die verstoring kun je zelfs het type schade identificeren’, legt Jagers uit.

Dit artikel is exclusief voor premium leden van High-Tech Systems Magazine. Al premium lid? Log dan in. Nog geen premium lid? Neem dan een premium lidmaatschap en geniet van alle voordelen.

Inloggen