AI in de praktijk: Birds.ai zet AI in om duurzaamheid in de industriesector te versnellen
De ontwikkelingen in AI gaan snel en het potentieel is enorm. Maar hoe wordt AI precies toegepast in de praktijk? Startup Birds.ai verduurzaamt de wereld door met visuele data en AI beheerders van industriële assets te helpen in het nemen van duurzamere beslissingen.
Camiel R. Verschoor, de oprichter en CEO van Birds.ai. Camiel is afgestudeerd in kunstmatige intelligentie (Master Artificial Intelligence) aan de Universiteit van Amsterdam, hij heeft verschillende wetenschappelijke artikelen gepubliceerd. Tevens werkte hij voor Het Koninklijk Nederlands Lucht- en Ruimtevaartcentrum (NLR) voorafgaand aan zijn avontuur als ondernemer. In 2016 besloot Camiel zijn passie voor technologie in te zetten om de transitie in duurzaamheid – waar we met z’n allen voor staan – te ondersteunen. Hij richt het bedrijf Birds.ai op dat zich 100% inzet voor verbeteren en versnellen van duurzaamheid in de industriesector.
Wat is volgens jou het grootste probleem in de industriesector?
“Productiefouten en degradatie van industriële assets kosten bedrijven miljarden euro’s per dag. Dit geldt met name voor bedrijven die industriële assets produceren of bezitten. Hun voortbestaan hangt rechtstreeks af van de kwaliteit, betrouwbaarheid of productiviteit van deze industriële assets zoals staal, tunnels en zonneparken. Deze industriële assets moeten geproduceerd worden en in topconditie worden gehouden om te allen tijde aan de hoge eisen van onze samenleving te kunnen voldoen. Want naast het financiële aspect brengen productiefouten en degradatie ook vertraging in het behalen van de duurzaamheiddoelstellingen. En dan raakt het niet alleen het bedrijf, maar ons allen.”
Wat doet Birds.ai om dit te voorkomen?
“Vanwege de grote omvang, hoge doorvoer of afgelegen locaties van deze industriële assets, is het moeilijk om productiefouten en de staat van degradatie te controleren. Gegevens die worden verzameld via traditionele visuele inspectie zijn niet dekkend en het uitvoeren van deze inspectie is duur en soms zelfs gevaarlijk. Sensoren kunnen gegevens verzamelen over de prestaties, maar geven geen inzicht op de oorzaak van de afname in kwaliteit of productiviteit. Met een camera kunnen visuele beelden worden verzameld, maar deze beelden alleen geven niet het inzicht dat nodig is voor interventies. Bovendien is het gebruik van camera’s geen schaalbare oplossing zolang de beelden handmatig moeten worden beoordeeld.
Dus om uitvaltijd (lees: omzetverlies) van industriële assets te beperken, hebben beheerders toegang nodig tot nauwkeurige recente en historische rapporten over de status. Birds.ai zet afbeeldingen om in nuttige grafieken en statistieken. Deze bieden beheerders data-gedreven inzichten om de assets optimaal te onderhouden, en worden productiefouten en degradatie beperkt.”
En hoe kan AI daarin helpen?
“We zetten camerabeelden om naar nuttige grafieken en statistieken. Dit doen we in drie simpele stappen:
1: Datacollectie via video of losse beelden. Via een camera die wordt bevestigd aan een drone of boven een sorteerlijn verzamelen we visuele data van het industriële asset.
2: Trainen van de AI-engine. We werken nauw samen met onze klanten om de (bestaande) visuele data van het industriële asset te begrijpen om zo de AI engine te kunnen trainen. Bijvoorbeeld bij zonnepanelen moeten we alle defecten kennen om onze AI-algoritmen te trainen. We stellen een protocol op met de experts en vervolgens trainen we ons AI-algoritme met deze informatie.
3: Inzichtelijk maken via een Birds-eye view. Als derde stap zetten we de resultaten in een dashboard met nuttige grafieken en statistieken zodat de klant in één opslag de inzichten begrijpt.
Onze klanten gebruiken onze software om materialen te recyclen, groenten te sorteren en kapotte zonnepanelen op te sporen. Hiermee voorkomen we fouten en verminderen we degradatie.”
Jullie leveren data gedreven oplossingen voor duurzaamheid, kan je hier wat meer over vertellen hoe jullie dat doen?
“Wij bieden op verschillende manieren inzichten, zodat bedrijfsactiviteiten efficiënter worden uitgevoerd, ik zal wat voorbeelden geven:
- Kwaliteitscontrole: wij controleren zonneparken op defecten voor optimaal onderhoud en productie. Als een zonnepaneel defect of vuil is of een begroeiing het zonnepaneel blokkeert, kunnen ze proactief actie ondernemen om het volledige potentieel van het zonnepaneel te benutten
- Functionele statistieken: we genereren functionele statistieken over productieprocessen. Voor afvalrecycling bepalen we bijvoorbeeld hoeveel hout, puin en er op de lijn ligt, zodat het sorteerproces kan worden verbetert
- Videomonitoring: We controleren processen op een productielijn, bijvoorbeeld bij een staalfabriek voorkomen we dat het staal breekt. Heel belangrijk dit te voorkomen, want als dat gebeurt, is er een week stilstand tijd en wordt veel warmte-energie verspilt.”
En wat voor organisaties maken daar gebruik van?
“Het afgelopen jaar hebben wij bijvoorbeeld voor Renewi onderzocht hoe wij AI kunnen toepassen voor recyclen van materialen. Hier binnen hebben we onderzocht of we verschillende materialen (hout, puin, plastic, batterijen) kunnen onderscheiden van elkaar op basis van visuele data. Daarmee kun je bijvoorbeeld het automatisch sorteren van afval vergemakkelijken en verbeteren en batterijen vroegtijdig signaleren en uit het proces halen, wat beter is voor de brandveiligheid.”
Hoe zit de output de uit, een app met grafieken, of rapporten? Wat kan ik me daarbij voorstellen?
“Hoe we de informatie visualiseren is afhankelijk van de toepassing. Hieronder kun je een voorbeeld zien van hoe we de informatie visualiseren van een zonnepark. Hierin zie je links een overzicht van het zonnepark in kaartvorm, waar met verschillende kleuren en iconen de fouten zijn aangegeven. Door op de kaart op een zonnepaneel te klikken kun je vervolgens rechts de gegevens van de fout bekijken en de corresponderende actie.”
Welke tools gebruiken jullie, is er gebouwd met open source tooling?
“Wij hebben een aantal tools zelf gebouwd, bijv. voor het trainen van algoritmes en het genereren van statistieken over de prestatie en we nemen een aantal tools af, bijv. voor het annoteren van data of beheren van datasets. Uiteraard maken we ook gebruik van open source tooling voor het leveren van onze services, denk aan PyTorch of Tensorflow.”
Hebben jullie al funding?
“Delft Enterprises (TU Delft) en Rockstart zijn momenteel onze aandeelhouders, en we zijn momenteel in gesprek met twee nieuwe management aandeelhouders. Qua funding hebben we begin dit jaar een MIT Samenwerking van de provincie Zuid-Holland ontvangen voor het Med.ai project. In dit project werken we samen met Crescent Med om om een draagbare, slimme telehealth camera te ontwikkelen voor de medische sector, genaamd Crescent Vision. Hiervoor zullen wij AI toepassen om beelden van operaties automatisch te interpreteren voor de educatie van studenten en het ontlasten van het medisch personeel.”
We praten hier over verduurzamen van de industriesector. Zou jullie modellen ook bruikbaar zijn in andere sectoren?
“Ja, in principe kun je de AI modellen die wij ontwikkelen ook toepassen in andere sectoren. Zoals ik uitlegde in mijn vorige antwoord passen we de technologie nu toe in de medische sector. Wij focussen op de industriesector aangezien daar veel stappen gezet kunnen worden.”
In het vorige interview hebben we ook gesproken over het feit dat je iets goed doet voor de wereld. Dat je een mooiere wereld achterlaat. Is dat ook wat jij voelt over Birds.ai?
“In onze bedrijfsdoelen streven we ernaar dat al onze projecten minstens één van de Sustainable Development Goals van de Verenigde Naties moet ondersteunen. Op deze manier geloven wij dat wij een mooiere wereld achterlaten.”
Welke misvatting is er rondom gebruik van AI binnen de sectoren waar jullie actief zijn.
“Ja we hebben geregeld te maken met misvattingen rondom AI. Door alle hypes rondom AI worden er onrealistische verwachtingen gewekt met betrekking tot de prestaties van een AI algoritme. Vaak is de prestatie van een AI software afhankelijk van de toepassing en de context. Ook zien we vaak terughoudendheid met het starten met een AI oplossing omdat het mogelijk teveel zou kosten, echter alle business cases die we maken verdienden zich vaak sneller terug dan de klant had gedacht. Voor het toepassen van AI is de onderliggende business case uiteindelijk het belangrijkste – Welk probleem los je op en hoeveel levert dit je op? De initiële investering van een AI oplossing is er altijd, maar vervolgens heb je een lange termijn schaalbare oplossing.”
Over de auteur: Femmie Geradts is directeur bij Startup Village. Iedere twee weken belicht ze een start-up die AI toepast in de praktijk.
Op de hoogte blijven van het laatste nieuws binnen je vakgebied? Volg Emerce dan ook op social: LinkedIn, Twitter en Facebook.
Plaats een reactie
Uw e-mailadres wordt niet op de site getoond