Oprogramowanie do wykrywania usterek w maszynach na podstawie dźwięków
Eliminacja ryzyka przestojów i redukcja kosztów utrzymania są bardzo ważne dla przemysłu, ponieważ czynniki te wpływają na wydajność i jakość, jak również na zmniejszenie zysków. Dlatego też przemysł ma wyraźny interes, aby znaleźć rozwiązanie, które będzie łatwe do wdrożenia i proste w użyciu. Wykorzystując analizę dźwięku, uczestnicy finansowanego ze środków UE projektu neuronSW (Early detection and prediction of mechanical malfunction of machinery by sound analysis), realizowanego w ramach programu „Horyzont 2020”, opracowali innowacyjną, przełomową metodę przewidywania awarii mechanicznych w maszynach przemysłowych. Naukowcy połączyli zaawansowane algorytmy, uczenie maszynowe i analizę big data, aby stworzyć imitację ludzkiej kory słuchowej i umożliwić wczesne wykrywanie i przewidywanie awarii mechanicznych. „Technologia ta wykorzystuje uczenie maszynowe, chmurę obliczeniową i Internet przedmiotów (IoT) do dostarczenia usługi detekcji, która naśladuje ludzką intuicję dotyczącą dźwięków”, mówi Jiří Čermák, kierownik techniczny NeuronSW Ltd, MŚP będącego partnerem projektu. Nadstawić ucha na awarie Dzięki technologii Neuron Soundware (neuronSW), producenci mogą przeprowadzać inteligentną diagnostykę dźwiękową i monitorować kluczowe elementy maszyn w oparciu o emitowane przez nie dźwięki. „Zintegrowana platforma sprzętowa i programowa automatycznie gromadzi dźwięk emitowany przez maszyny w czasie rzeczywistym i stale ocenia stan urządzeń. Działa podobnie jak doświadczeni operatorzy, którzy używają słuchu do diagnozowania niesprawnych maszyn”, wyjaśnia Čermák. System pracuje zarówno w trybie offline, jak i online i może być zintegrowany z istniejącym oprogramowaniem lub platformami IoT innych firm. „Pozwala to skutecznie przekształcać dane w wiedzę i działania”, twierdzi Čermák. „Czujniki dźwięku i drgań (mikrofony) można szybko i tanio instalować na maszynach dowolnego typu, co pozwala na cyfryzację urządzeń nieposiadających interfejsu cyfrowego lub obsługiwanych przez starsze systemy bez kosztownej modernizacji”. Co ciekawe, nie ma prawie żadnych ograniczeń, jeżeli chodzi o zastosowania nowej technologii diagnostyki dźwięku, która może być wykorzystana do wszystkich urządzeń mających ruchome części i wytwarzających dźwięk. „Jednak najbardziej sensowne jest skupienie się w pierwszej kolejności na krytycznych elementach maszyn, drogich urządzeniach, kontroli jakości oraz na infrastrukturze znajdującej się w odległych, trudno dostępnych miejscach”, podkreśla Čermák. I dodaje: „Różne branże współpracowały z NeuronSW przy tworzeniu rozwiązań dla ciężkich maszyn, w tym silników kogeneracyjnych, samochodowych pomp paliwowych, turbin wiatrowych, schodów ruchomych, układów klimatyzacji, montażu komputerów, kontroli jakości silników elektrycznych oraz konserwacji zapobiegawczej maszyn pakujących”. Obiecująca przyszłość Jak tłumaczy Michal Bambušek, kierownik sprzedaży w NeuronSW Ltd, projekt koncentrował się również na planach sprzedaży i marketingu. „Przeszkoliliśmy sprzedawców, określiliśmy kluczowe rynki i strategie wejścia na rynek dla technologii neuronSW oraz przeprowadziliśmy studia przypadków w celu opracowania i dostosowania jej do różnych dziedzin”, mówi. „Nawiązaliśmy szereg nowych ważnych kontaktów biznesowych, które pomogły nam odkryć nowe obszary i zastosowania naszej technologii, co przyczyniło się do jej udoskonalenia i pozwoliło nam dokonać postępów”. Z technologii opracowanej w ramach omawianej inicjatywy skorzystają zarówno maszyny, jak i ludzie. „Nie ma wątpliwości, że utrzymanie maszyn jest jednym z głównych obszarów badań w wielu gałęziach przemysłu na całym świecie”, dodaje Čermák. „Wierzymy, że w przyszłości zapobiegawcza konserwacja dźwiękowa stanie się standardową funkcją większości maszyn z ruchomymi częściami, co pomaże zarówno producentom, jak i operatorom. Jeśli chodzi o przyszłe badania, robimy wszystko, co w naszej mocy, aby wyciągnąć wnioski ze studiów przypadków i unowocześnić naszą technologię oraz badania”, podsumowuje.
Słowa kluczowe
NeuronSW, dźwięk, konserwacja zapobiegawcza, maszyny, monitorowanie aktywów, akustyka, technologia, Internet przedmiotów (IoT), sztuczna inteligencja (AI)
