Neuron Soundware
Dengar bunyi mesin untuk meramalkan kerosakan menggunakan AI akustik untuk penyelenggaraan ramalan.
Lawati Laman Web ↗Neuron Soundware ialah sebuah syarikat AI industri yang ibu pejabatnya di Prague, Republik Czech, ditubuhkan pada 2016. Konsep produk mereka sebenarnya sama seperti intuisi juruteknik berpengalaman: sebelum mesin rosak, bunyinya akan berubah terlebih dahulu. Perbezaannya ialah mereka telah mengubah perkara ini menjadi sistem AI berskala yang beroperasi 24 jam sehari.
Ciri-ciri & Kes Penggunaan
Seorang juruteknik penyelenggaraan berpengalaman yang berjalan melalui kilang boleh mendengar dan mengetahui pam mana yang bermasalah—kebolehan ini wujud, tetapi ia terikat pada individu tertentu yang akan bersara, berhenti kerja, atau hanya boleh memantau satu tempat pada satu masa. Neuron Soundware menggunakan siri perkakasan IoT nEdge untuk mengumpul isyarat bunyi dan getaran daripada mesin, dan menghantarnya ke perisian awan nGuard untuk analisis. Model AI mempelajari ciri bunyi normal setiap peranti, dan mengeluarkan amaran awal sebaik sahaja terdapat sebarang penyimpangan.
Berbanding dengan analisis getaran arus perdana, akustik mempunyai kelebihannya: mikrofon boleh dipasang tanpa sentuhan, tanpa perlu menutup atau meleraikan peralatan untuk memasang penderia; di samping itu, maklumat spektrum yang terkandung dalam bunyi adalah lebih kaya berbanding getaran semata-mata, dan ia lebih sensitif terhadap jenis kerosakan tertentu (seperti kavitasi, kehausan awal galas, dan kebocoran injap). Peralatan yang berkenaan termasuk enjin, pemampat, pam, dan pelbagai peralatan pengeluaran.
Sesuai untuk sektor pembuatan, tenaga, rawatan air, dan pengangkutan yang mempunyai sejumlah besar mesin berputar. Ciri pemasangan tanpa sentuhan bagi pemantauan akustik membolehkan ia dipasang pada peralatan lama yang sedia ada, yang jauh lebih praktikal berbanding banyak penyelesaian yang memerlukan pengubahsuaian mesin.
Ciri Utama
- nEdge / nEdge Pro: Perkakasan tepi IoT untuk mengumpul isyarat fizikal seperti bunyi dan getaran
- nGuard: Perisian analisis berasaskan web untuk memproses data dan menghasilkan kesihatan peranti
- Model AI mempelajari ciri akustik normal setiap peranti untuk mengesan penyimpangan abnormal
- Pemasangan mikrofon tanpa sentuhan, tanpa perlu menutup atau meleraikan peranti
- Sesuai untuk enjin, pemampat, pam, dan pelbagai peralatan pengeluaran
- Amaran awal abnormaliti dan tafsiran jenis kerosakan
- Pemprosesan pengkomputalan tepi untuk mengurangkan keperluan jalur lebar
Kegunaan Biasa
- Pengesanan awal kehausan galas untuk peralatan berputar seperti pemampat dan pam
- Pemantauan kesihatan untuk barisan pengeluaran berterusan yang tidak boleh ditutup
- Pemantauan keadaan peralatan lama (situasi di mana penderia getaran tradisional tidak boleh dipasang)
- Peralihan penjadualan penyelenggaraan daripada penyelenggaraan berkala kepada penyelenggaraan berasaskan keadaan untuk mengurangkan masa henti yang tidak perlu
- Diagnosis jauh dan tafsiran jenis kerosakan untuk peralatan yang tidak normal
Ciri Utama
- nEdge / nEdge Pro: Perkakasan tepi IoT untuk mengumpul isyarat fizikal seperti bunyi dan getaran
- nGuard: Perisian analisis berasaskan web untuk memproses data dan menghasilkan kesihatan peranti
- Model AI mempelajari ciri akustik normal setiap peranti untuk mengesan penyimpangan abnormal
- Pemasangan mikrofon tanpa sentuhan, tanpa perlu menutup atau meleraikan peranti
- Sesuai untuk enjin, pemampat, pam, dan pelbagai peralatan pengeluaran
- Amaran awal abnormaliti dan tafsiran jenis kerosakan
- Pemprosesan pengkomputalan tepi untuk mengurangkan keperluan jalur lebar
Kelebihan
- Pemasangan akustik tanpa sentuhan, sangat mesra kepada peralatan lama yang tidak boleh ditutup atau tidak mudah dipasang penderia
- Menskala "telinga juruteknik berpengalaman", menangani masalah jurang kepakaran industri secara langsung
- Bekalan bersepadu perisian dan perkakasan, tidak perlu menyusun sendiri penyelesaian penderia
- Asas pelanggan industri Eropah, pemahaman tentang tapak pembuatan adalah berasaskan realiti
Kekurangan
- Persekitaran bunyi kilang adalah kompleks, gangguan bunyi dari mesin bersebelahan adalah cabaran sebenar dan kedudukan pemasangan sangat kritikal
- Model memerlukan masa untuk mempelajari garis asas normal peranti, tiada kesan kelihatan pada peringkat awal pelaksanaan
- Skala syarikat tidak besar, kapasiti sokongan teknikal di rantau Asia-Pasifik perlu disahkan terlebih dahulu
- Harga tidak didedahkan kepada umum; memerlukan pembelian perkakasan, bukan langganan perisian tulen
Kes Penggunaan
- Pengesanan awal kehausan galas untuk peralatan berputar seperti pemampat dan pam
- Pemantauan kesihatan untuk barisan pengeluaran berterusan yang tidak boleh ditutup
- Pemantauan keadaan peralatan lama (situasi di mana penderia getaran tradisional tidak boleh dipasang)
- Peralihan penjadualan penyelenggaraan daripada penyelenggaraan berkala kepada penyelenggaraan berasaskan keadaan untuk mengurangkan masa henti yang tidak perlu
- Diagnosis jauh dan tafsiran jenis kerosakan untuk peralatan yang tidak normal
Nota Editor
Nota Ketua Editor: Topik ini amat dekat di hati saya. Kesakitan terbesar bagi industri pembuatan hari ini bukanlah kerana peralatan yang sudah lama, tetapi "orang yang tahu di mana masalah peralatan itu" sedang bersara secara besar-besaran, manakala golongan muda enggan menyertai sektor kilang. Kemahiran yang dimiliki oleh juruteknik berpengalaman apabila mendengar mesin tidak tertulis dalam mana-mana SOP, dan ia hilang pada hari mereka bersara. Menggunakan AI akustik untuk mengekalkan kepakaran ini adalah arah yang betul. Saya mencadangkan pengurus kilang yang berminat untuk melakukan satu perkara dahulu: pilih tiga peranti yang paling anda fahami dan paling kerap bermasalah sebagai tapak percubaan, dan gunakan sejarah kerosakan yang anda ketahui sendiri untuk mengesahkan sama ada ia dapat mengesannya. Jangan laksanakan ke seluruh kilang pada permulaan.
Soalan Lazim
Ini adalah keraguan yang paling biasa dan munasabah. Dalam praktiknya, ia dikendalikan melalui beberapa cara: mikrofon dipasang dekat dengan peranti sasaran, model AI mempelajari ciri spektrum peranti tertentu dan bukannya jumlah kelantangan keseluruhan, dan teknik pemprosesan isyarat digunakan untuk mengasingkan bunyi latar belakang. Namun secara jujur, persekitaran dengan bunyi yang sangat kompleks akan menjejaskan keberkesanan, dan ini adalah titik tumpuan ujian tapak sebelum pelaksanaan.
Ini adalah keraguan yang paling biasa dan munasabah. Dalam praktiknya, ia dikendalikan melalui beberapa cara: mikrofon dipasang dekat dengan peranti sasaran, model AI mempelajari ciri spektrum peranti tertentu dan bukannya jumlah kelantangan keseluruhan, dan teknik pemprosesan isyarat digunakan untuk mengasingkan bunyi latar belakang. Namun secara jujur, persekitaran dengan bunyi yang sangat kompleks akan menjejaskan keberkesanan, dan ini adalah titik tumpuan ujian tapak sebelum pelaksanaan.
Analisis getaran adalah arus perdana untuk penyelenggaraan ramalan dengan metodologi yang matang; kelebihan akustik terletak pada pemasangan tanpa sentuhan dan maklumat spektrum yang lebih kaya. Jika peralatan boleh ditutup untuk memasang penderia getaran dan bajet mencukupi, ekosistem penyelesaian getaran adalah lebih lengkap; untuk peralatan lama yang tidak boleh ditutup, fleksibiliti pelaksaan akustik adalah lebih baik. Kedua-duanya juga boleh saling melengkapi.
Analisis getaran adalah arus perdana untuk penyelenggaraan ramalan dengan metodologi yang matang; kelebihan akustik terletak pada pemasangan tanpa sentuhan dan maklumat spektrum yang lebih kaya. Jika peralatan boleh ditutup untuk memasang penderia getaran dan bajet mencukupi, ekosistem penyelesaian getaran adalah lebih lengkap; untuk peralatan lama yang tidak boleh ditutup, fleksibiliti pelaksaan akustik adalah lebih baik. Kedua-duanya juga boleh saling melengkapi.
AI perlu mempelajari garis asas keadaan normal peranti terlebih dahulu, yang biasanya mengambil masa dari beberapa minggu hingga beberapa bulan, bergantung kepada kerumitan kitaran operasi peranti. Ini adalah ciri biasa bagi semua penyelesaian pemantauan keadaan, jadi jangan harapkan ia mula mengesan kerosakan sehari selepas dipasang.
AI perlu mempelajari garis asas keadaan normal peranti terlebih dahulu, yang biasanya mengambil masa dari beberapa minggu hingga beberapa bulan, bergantung kepada kerumitan kitaran operasi peranti. Ini adalah ciri biasa bagi semua penyelesaian pemantauan keadaan, jadi jangan harapkan ia mula mengesan kerosakan sehari selepas dipasang.