Ervaren operators beweren dat ze kunnen zien of hun machine naar behoren werkt, alleen door te luisteren naar de geluiden die ze maken. Door de EU gefinancierde onderzoekers zijn nog een stap verder gegaan door technologie te ontwikkelen op basis van het menselijk gehoorsysteem dat, door middel van geluidsanalyse, 'horen' of industriële machines aan onderhoud toe zijn.

Het elimineren van het risico van uitvaltijd en het verlagen van onderhoudskosten zijn erg belangrijk voor de industrie, aangezien deze factoren de productiviteit en kwaliteit beïnvloeden en tegelijkertijd de winst verlagen. Industrie, daarom, heeft grote prikkels om een ​​oplossing te vinden die eenvoudig te implementeren en te gebruiken is.

Met behulp van geluidsanalyse, het door de EU gefinancierde Horizon2020 neuronSW-project ontwikkelde een innovatieve, baanbrekende aanpak voor het voorspellen van mechanische storingen in industriële machines. Onderzoekers combineerden geavanceerde algoritmen, machine learning en Big Data-analyse om de menselijke auditieve cortex te imiteren en de vroege detectie en voorspelling van mechanische storingen mogelijk te maken. "De technologie maakt gebruik van machine learning, de cloud en het Internet of Things (IoT) om een ​​detectieservice te leveren die de menselijke intuïtie over geluid nabootst, " zegt Jiří Čermák, technisch manager van projectpartner SME NeuronSW Ltd.

Oor voor problemen

Via Neuron soundware-technologie (neuronSW), fabrikanten kunnen intelligente audiodiagnose uitvoeren en belangrijke onderdelen van machines monitoren aan de hand van de geluiden die ze produceren. "Het geïntegreerde hardware- en softwareplatform verzamelt automatisch het geluid van machines in realtime en beoordeelt continu de gezondheid van de apparatuur. Het werkt op dezelfde manier als ervaren operators die hun oren gebruiken om defecte machines te diagnosticeren, " legt Čermák uit.

Het systeem werkt zowel offline als online en kan worden geïntegreerd in bestaande software of IoT-platforms van derden. "Hierdoor worden gegevens effectief omgezet in kennis en acties, " beweert Čermák. "Geluids- en trillingssensoren (microfoons) kunnen snel en goedkoop worden geïnstalleerd op alle soorten machines, waardoor activa zonder digitale interface of beheerd door legacy-systemen kunnen worden gedigitaliseerd zonder dure upgrades."

Opwindend, er zijn bijna geen grenzen aan de toepassing van de audiodiagnosetechnologie, die kan worden gebruikt voor alles dat een bewegend deel heeft en geluid produceert. "Echter, het is het meest logisch om eerst te focussen op kritieke machines, dure activa, kwaliteitscontrole, en op activa in afgelegen gebieden die moeilijk toegankelijk zijn, " ermák wijst erop. Hij vervolgt:"Verschillende industrieën werkten samen met NeuronSW om oplossingen te creëren voor zware machines, inclusief warmtekrachtkoppelingsmotoren, automobiel brandstofpompen, windturbines, roltrappen, AC-systemen, pc-montage, kwaliteitscontrole van elektromotoren, en predictief onderhoud van verpakkingsmachines."

Een gouden toekomst

Volgens Michal Bambušek, NeuronSW Ltd's verkoopmanager, het project richtte zich ook op verkoop- en marketingplannen. "We hebben verkooppersoneel opgeleid en belangrijke markten en go-to-market-strategieën voor de neuronSW-technologie geïdentificeerd en casestudies uitgevoerd om deze te ontwikkelen en aan te passen aan verschillende gebieden, "zegt hij. "We hebben een aantal nieuwe belangrijke zakelijke contacten gelegd die ons hebben geholpen nieuwe gebieden en toepassingen voor onze technologie te ontdekken, wat hielp om het te verbeteren en ons in staat stelde om vooruitgang te boeken."

Zowel machines als mensen zullen profiteren van de technologie die door het initiatief is ontwikkeld. "Het lijdt geen twijfel dat het onderhoud van activa een van de kerngebieden van exploratie is in veel industrieën over de hele wereld, ", voegt Čermák toe. "Wij geloven dat voorspellend geluidonderhoud in de toekomst een standaardfunctie zal worden van de meeste machines met bewegende delen, zowel fabrikanten als operators helpen. Wat betreft toekomstig onderzoek, we doen er alles aan om te leren van casestudy's en onze technologie en onderzoek te upgraden, " concludeert hij.