Software audio per il rilevamento dei guasti nei macchinari
Eliminare il rischio di tempi di inattività e ridurre i costi di manutenzione sono fattori molto importanti per l’industria in quanto influenzano la produttività e la qualità riducendo al contempo i profitti. L’industria, quindi, spinge molto per trovare una soluzione facile da implementare e semplice da usare. Utilizzando l’analisi del suono, il progetto Orizzonte 2020 NeuronSW neuronSW (Early detection and prediction of mechanical malfunction of machinery by sound analysis), finanziato dall’UE, ha sviluppato un approccio innovativo per la previsione del malfunzionamento meccanico dei macchinari industriali. I ricercatori hanno combinato algoritmi avanzati, apprendimento automatico e analisi dei megadati per imitare la corteccia uditiva umana e consentire la diagnosi precoce e la predizione della rottura meccanica. «La tecnologia sfrutta l’apprendimento automatico, il cloud e l’Internet delle cose (IoT) per fornire un servizio di rilevamento che emula l’intuizione umana basata sul suono», ci spiega Jiří Čermák, direttore tecnico della PMI partner di progetto, NeuronSW Ltd. Un orecchio ai problemi Mediante la tecnologia audio Neuron (neuronSW), i produttori possono svolgere una diagnostica audio intelligente e monitorare gli elementi critici dei macchinari dai suoni che producono. «La piattaforma hardware e software integrata raccoglie automaticamente il suono dei macchinari in tempo reale e valuta la salute delle apparecchiature in modo continuativo. Funziona in modo simile agli operatori esperti che si avvalgono dell'udito per diagnosticare macchinari rotti», spiega Čermák. Il sistema funziona sia offline che online e può essere integrato in software esistenti o piattaforme IoT di terze parti. «I dati vengono trasformati efficacemente in conoscenza e azioni», afferma Čermák. «I sensori di suoni e vibrazioni (microfoni) possono essere installati in modo rapido ed economico su tutti i tipi di macchinari, consentendo la digitalizzazione di risorse senza interfaccia digitale o gestite da sistemi preesistenti senza costosi aggiornamenti». Incredibilmente, non ci sono praticamente limiti all’applicazione della tecnologia di diagnostica dell’audio, che può essere utilizzata per qualsiasi cosa che abbia una parte in movimento e produca suono. «Tuttavia, ha più senso concentrarsi innanzitutto sugli elementi critici di macchinari, sulle risorse costose, sul controllo di qualità e su risorse in aree remote con accesso difficile», sottolinea Čermák. E spiega ancora: «Diverse industrie hanno collaborato con NeuronSW per creare soluzioni per macchinari pesanti, come i motori di cogenerazione, le pompe di carburante per autoveicoli, le turbine eoliche, le scale mobili, i sistemi AC, l'assemblaggio di PC, il controllo di qualità di motori elettrici e la manutenzione predittiva di macchinari per l’imballaggio». Un futuro brillante Secondo Michal Bambušek, responsabile delle vendite di NeuronSW Ltd, il progetto si focalizza anche sui piani di vendita e marketing. «Abbiamo formato il personale di vendita, identificato i mercati chiave e le strategie go-to-market per la tecnologia neuronSW e condotto studi di casi per svilupparlo e adattarlo a diversi campi», afferma. «Abbiamo creato nuovi importanti contatti commerciali che ci hanno aiutato a scoprire alcune nuove aree e nuovi utilizzi per la nostra tecnologia, che ci hanno aiutato a migliorarla e a progredire». Sia i macchinari che le persone beneficeranno della tecnologia sviluppata attraverso l’iniziativa. «Non c’è dubbio che la manutenzione delle proprie risorse è una delle aree chiave di esplorazione in molte industrie in tutto il mondo», aggiunge Čermák. «Riteniamo che in futuro la manutenzione mediante suono predittivo diventerà una caratteristica standard della maggior parte dei macchinari con elementi in movimento, aiutando sia i produttori che gli operatori. Per quanto riguarda la ricerca futura, stiamo facendo tutto il possibile per far tesoro dei casi di studio e migliorare la nostra tecnologia e ricerca», conclude.
Parole chiave
NeuronSW, suono, manutenzione predittiva, macchinario, monitoraggio delle risorse, acustica, tecnologia, Internet delle cose (IoT), intelligenza artificiale (IA)
