FreezerData is een digitaal bewakingssysteem voor koelapparatuur. Met behulp van slimme software en data afkomstig van sensoren kan het onregelmatigheden opsporen voordat die uitmonden in een echte storing. Het resultaat? Het onderhoud wordt voorspelbaar en de storingsservice beter planbaar. “We zien dat we nu al tot 80 procent voorspelbaarheid kunnen realiseren voor installateurs. Door onze zelflerende modellen wordt dit gedrag alleen nog maar beter”
Directeur Henk Komin is eigenaar van koeltechnisch familiebedrijf IJskoud, maar al bijna tien0 jaar bezig met FreezerData, dat hij zelf vanuit het niks in de steigers zette. Hoewel hij nooit zijn betrokkenheid bij IJskoud zal ontkennen, is hij wel bezig om een steeds duidelijkere knip te maken tussen de twee bedrijven. Dat heeft er alles mee te maken dat FreezerData op geen enkele manier gebonden is aan – of exclusief beschikbaar is gemaakt voor – IJskoud. Het softwareplatform is uitdrukkelijk bedoeld om ook te worden gebruikt door andere installateurs.
Winnaar Koeltrofee
Daarbij zijn inmiddels de eerste stappen over de grens gezet, naar Groot-Brittannië en Ierland, en ook de nog onontgonnen wereld van de warmtepompen wordt ontsloten. Voor al het pionierende werk en voor de belofte die van FreezerData uitgaat, ontving Komin in februari op vakbeurs VSK in Utrecht de tweejaarlijkse koeltrofee van de NVKL. Inmiddels heeft FreezerData ongeveer duizend koelinstallaties aangesloten. De ambities zijn stevig. Alleen al in het komende jaar wil FreezerData doorgroeien naar tienduizend koelinstallaties. “En gelukkig schrijven we inmiddels ook al zwarte cijfers”, zegt Komin.
Zelfgebouwd algoritme
Het geheim van FreezerData zit in het algoritme, de database en de sensoren. Dat algoritme heeft FreezerData zelf gebouwd, in samenwerking met studenten van de Hogeschool van Amsterdam. Het algoritme is eigenlijk een set regels die in het beste geval kunnen zeggen wat de meest waarschijnlijke oorzaak is van een verslechterde prestatie en hoe je dat vervolgens kan oplossen. FreezerData heeft zijn algoritme actief opgebouwd, onder meer door in het Maintenance Lab van de Hogeschool van Amsterdam telkens expres kleine dingen fout te laten gaan. Komin: “Zo hebben we bijvoorbeeld om de zoveel tijd 10 gram koudemiddel laten ontsnappen, afgetapt. Op een gegeven moment gaan de sensoren in de koelinstallatie wat afwijkende waarden tonen. Dat wordt dan al geregistreerd in ons systeem. Als je daarna doorgaat, springt die installatie in het dashboard op oranje, en daaraan gekoppeld is een analyse van de meest waarschijnlijke oorzaak. Let wel, de temperatuur in de koelcel is dan nog niet opgelopen. De klant heeft dus niks in de gaten, maar wij weten al: dat gaat mis. Heel concreet weten wij al dagen of zelfs weken eerder dan de klant dat er iets mis is”.
Anticiperen op mogelijke storingen
Dankzij het systeem kan de klant op de problemen anticiperen en eventueel zijn gekoelde waar tijdelijk op een andere plek onderbrengen. Mooier nog is dat de monteur langs kan komen voordat er problemen zijn. Komin: “Het is net als met het oranje storingslampje in de auto. Dat geeft aan: er is iets niet helemaal goed, ga maar naar de garage. Je kan dan best nog een paar kilometer doorrijden, maar je weet dat je de auto binnenkort bij de garagemonteur moet langsbrengen. De koudetechniek werkt momenteel vooral nog met rode lampjes. Wij willen er naartoe dat we ook met oranje lampjes gaan werken en dus gaan acteren voordat er echt iets aan de hand is.” Het gebeurt zelfs, zegt Komin, dat de monteur moeilijk te overtuigen is om bij een installatie op bezoek te gaan als het oranje lampje gaat branden. “Hij zegt dan: alles ziet er nog prima uit. Dan geven wij aan: kijk toch maar even, want er is echt wel iets aan de hand. Ja, er moet ook een knop om bij de monteurs.”
Steeds beter algoritme
Een goed algoritme heeft een feedbacksysteem. Dat wil zeggen dat er telkens een terugkoppeling wordt gemaakt en wordt beoordeeld of de uitgevoerde actie de installatie beter of slechter heeft gemaakt. Door op deze manier duizenden keren die loop te maken, en dat te doen bij honderden installaties, krijg je een algoritme dat steeds beter wordt in het stellen van de juiste diagnose.
Opzetten database
Een belangrijk onderdeel van het opzetten van de database is ook geweest om alle manuals (gebruiksaanwijzingen) van alle denkbare modellen en fabrikanten in te lezen. De pdf’s van de fabrikanten werden door speciale software omgezet in een vectordatabase. Het belangrijkste onderdeel hiervan was om vanuit de software uit de voeten te kunnen met de foutcodes in de manuals. Vanuit de sensoring en de communicatieprotocollen moest ook een slag worden gemaakt: het idee van een uniform communicatieprotocol is een lang gekoesterde wens in de markt, maar vooralsnog vooral een illusie. Komin: “Je hebt nogal wat protocollen. Denk aan Eliwell, Carel, BACnet, Modbus, Danfoss en nog vele meer. Het zijn er heel wat, maar wij moeten met alle uit de voeten kunnen.”
Systeem kan fouten voorkomen
Er zijn nog wel een heel aantal bijkomende voordelen, zegt Komin. FreezerData ondersteunt ook de monteur, met een virtuele assistent die kan analyseren of de installatie goed draait en de monteur op huis aan kan gaan. Komin: “Ik ken het verhaal van een monteur die was vergeten een afsluiter open te zetten. Hij was weggegaan bij de installatie, maar dat ene kleine foutje bleek grote gevolgen te hebben. De verdamper knalde uiteen en honderden kilo’s koudemiddel ontsnapten. Het zou niet mogen, maar zulke menselijke fouten gebeuren nu eenmaal. Met FreezerData kan je aan het systeem vragen: draait het goed? Ja? Dan kan ik naar huis.”
Goedkoper onderhoud
Een ander voordeel betreft de kosten. Door op deze manier preventief en predictief te werken, kan de monteur heel gericht bij de installatie aan de slag die kuren heeft. De overige installaties in het gebouw kan hij afdoen met een snellere visuele controle. Komin: “We zien dat we nu al tot 80 procent voorspelbaarheid kunnen realiseren voor installateurs. Door onze zelflerende modellen wordt dit gedrag alleen nog maar beter. Installateur IJskoud kan hierdoor zelfs onderhoudscontracten aanbieden die 30 procent goedkoper zijn.”
Oplossing voor verdwijnen vakkennis
Ook het tekort aan monteurs en vooral de minder diepgaande kennis van de jonge monteurs die op de markt komen, kan hiermee worden getackeld, zegt Komin. “De generatie Z wil alles snel opgelost hebben. Jonge mensen zijn minder geneigd dan de oude garde om zich er heel erg in te verdiepen en bij wijze van spreken aan één geluidje al te horen wat er aan de hand is. Die vakkennis verdwijnt, zo is het nu eenmaal, terwijl ondertussen de techniek wel steeds complexer wordt. Met FreezerData is dat niet meer zo’n probleem. Die leidt de monteur door dat oerwoud heen.”
Inzetten van ChatGPT
De laatste ontwikkelingen waar Komin mee bezig is, zijn de grote lerende taalmodellen. “Wij gebruiken op dit moment ChatGPT. Daarmee willen we voor elkaar krijgen dat je met vragen in heel gewone mensentaal ook heel normale antwoorden krijgt. Dat betekent dat de serviceafdeling simpel aan het systeem kan vragen: er hangen druppeltjes aan het plafond van de koelcel, moeten wij er komen kijken? Daar kan dan heel snel antwoord op komen, zonder dat de serviceafdeling die vraag eerst weer neer moet leggen bij een techneut. Dat gaat heel veel tijd en energie schelen. Want laten we eerlijk zijn, voor de serviceafdeling is het toch helemaal niet relevant wat nu precies de natuurkundige principes achter die druppeltjes zijn?” Komin verwacht veel van deze taalmodellen, maar erkent dat deze functionaliteit nog niet klaar is. “We verwachten dit jaar een eerste versie online te hebben.”