Semiotic Labs ontvangt kapitaal van Uniiq en Engie

‘Het is onze doelstelling om ongeplande downtime naar nul te reduceren. Om dit te realiseren maken we gebruik van sensoren en machine- en deep learning algoritmes. Deze algoritmes leren van gegevens die verzameld worden wanneer onze oplossing op grote schaal is uitgerold’, vertelt Semiotics-ceo Gerben Gooijers. ‘Het ontvangen kapitaal stelt ons in staat om enkele honderden sensoren bij klanten te plaatsen en zo de goede resultaten uit het laboratorium in de praktijk te valideren.’

Zelflerende algoritmes

Met behulp van de technologie van Semiotic Labs kan voorspeld worden wanneer machines of machineonderdelen dreigen uit te vallen. Door de inzet van condition based maintenance (cbm) wordt onderhoud alleen nog verricht als er signalen van dalende prestaties of een te verwachten storing zijn. Met zelflerende algoritmes worden afwijkingen in het stroomverbruik gedetecteerd, gerapporteerd en weergegeven in een dashboard. De klant krijgt op deze manier inzicht in de conditie van machines en kan zelf beslissen wanneer een machine gepland in onderhoud kan.

Semiotic Labs

Computable sprak eind oktober met Simon Jagers, mede-oprichter van Semiotic Labs. Voordat hij voor zichzelf begon, werkte hij onder meer als it’er voor EMC en Oracle. Hij is gespecialiseerd in kunstmatige intelligentie en algoritmes en besloot algoritmes los te laten op onderhoudsvraagstukken. ‘We genereren data vanuit sensoren en kunnen hierdoor één tot twaalf maanden van tevoren voorspellen of een elektromotor stuk gaat. De focus ligt op de betrouwbaarheid van de voorspelling en het wegnemen van onzekerheden. We leveren niet alleen monitoring, maar samen met onze partners ‘uptime as a serivce’: een draaiende as voor een vast bedrag per maand’, vertelde Jagers destijds. Zijn eerste opdracht was het voorspellen of een treinwissel gezond was of niet voor bouw- en spoorbedrijf Strukton. Ondertussen werkt de onderneming voor bedrijven als Tata Steel en energieleverancier Engie en werken er in totaal zes mensen bij het in Amsterdam gevestigde bedrijf.