Sponseret indhold
De tre stiftere af Flowplan: Henrik, Marcus og Jan
Del på facebook
Del på linkedin
Del på twitter

Service og vandfilterskift på kaffe- og storkøkkenmaskiner bør være baseret på data og ikke gæt. Flowplan har udviklet en intelligent løsning, der gør det muligt at overvåge maskinerne. Løsningen, der er universel og let at installere, reducerer serviceomkostningerne med op til 25% og ændrer måden at tænke service af industrielle hvidevarer og kaffemaskiner. 

En friskbrygget dampende varm kop kaffe er noget, de fleste medarbejdere rundt omkring på arbejdspladserne ser frem til. Og for cafe- og restaurantgæster er kaffe ofte en velfortjent lille pause efter middagen eller blot som en hyggestund sammen med vennerne. Bag den velbryggede kop kaffe står kaffemaskinen, hvor mange i branchen kan nikke genkendende til, hvordan hyppige filterskift og teknikerbesøg påvirker budgetterne. Faktisk i en sådan grad, at nogle overvejer at finde en ny udbyder af kaffemaskiner.

Filtrene påvirker økonomi og miljø
I dag kasseres mange tusinde vandfiltre om måneden – ikke blot fra kaffemaskiner, men også fra dampovne, vaskemaskiner etc.  Bliver filteret udskiftet for sent, kan det føre til dyre reparationer eller udskiftning af hele maskinen. Udskifter man filteret for tidligt, er det ikke blot dyrt, men går ud over miljøet.  

”Vi har udviklet en IoT-løsning, der monteres på vandforsyningen til maskinen. Ved at bruge vanddata og AI kan vi forudsige det helt rigtige tidspunkt at servicere maskinerne baseret på reelt forbrug, hvilket reducerer driftsomkostningerne og sikrer større pålidelighed i den daglige drift,” fortæller Marcus Rosholm, der er adm. direktør hos Flowplan.

Flowplan, der i dag har monteret løsningen på mere end 3000 maskiner både i Danmark og udlandet, sikrer færre nedbrud og højere kundetilfredshed. Den helt enkle løsning kan reducere serviceomkostningerne med op til 25%. 

Løsningen er designet fra bunden
Flowplan har selv udviklet løsningen, der udnytter data intelligent. 

”Vi begyndte at udvikle løsningen, fordi serviceteknikerne brugte tiden på vejene i stedet for at servicere maskinerne. Det betød unødigt mange kørte kilometer, hvilket både gik ud over miljø og muligheden for at planlægge arbejdsdagen optimalt. Der var ikke en løsning, der kunne samle dataene uanset mærke og type,” forklarer Marcus Rosholm Sørensen, og han uddyber:

”Det har været helt centralt for os, at vores løsning skal være universel, nem at installere og integrere med eksisterende systemer på tværs af fabrikanter af maskinerne. Det tager kun to minutter at installere vores løsning og komme i gang.”

Løsningen, der kører som et abonnement, kræver ikke programmering. Det er blot at tænde for den batteridrevne boks Beam, der opretter forbindelse til sit eget netværk, så der er ingen problemer med WiFi, netværksnøgler eller sikkerhed. 

Kaffen smager bedre
En anden fordel ved den intelligente løsning fra Flowplan er, at kaffen kommer til at smage bedre. Data fra vandforbruget røber nemlig også noget om smagen på kaffen.

”En kop kaffe, der ikke er brygget optimalt, fordi maskinen ikke er indstillet rigtigt, kan være en kedelig oplevelse og ofte grund til at man skifter leverandør. Som regel er der dog kun behov for at justere indstillingerne på maskinen for at få den fulde kaffesmag frem, hvilket data også bidrager til,” fortæller Marcus Rosholm Sørensen. Overvågningen af vandforsyningen betyder, at et læk på vandforsyningen aktiverer en alarm.

”Vi har kunder, hvor der gik hul på en vandledning uden for normal arbejdstid. Fordi alarmen var på, kunne de undgå en alvorlig vandskade,” siger Marcus Rosholm Sørensen.

Løsningen fra Flowplan kan monteres på alle storkøkkenmaskiner fx opvaskemaskiner, dampovne isterningemaskiner etc. 

Flowplan, der er landsdækkende, blev etableret i 2018. Virksomheden har allerede installeret den intelligente løsning på mere end 3.000 maskiner i både Danmark og udland. 

Læs mere på www.flowplan.dk 

Vi har udviklet en IoT-løsning, der monteres på vandforsyningen til maskinen. Ved at bruge vanddata og AI kan vi forudsige det helt rigtige tidspunkt at servicere maskinerne baseret på reelt forbrug, hvilket reducerer driftsomkostningerne og sikrer større pålidelighed i den daglige drift

MEST LÆSTE