Neuron Soundware
ฟังเสียงเครื่องจักรก็รู้ได้ทันทีว่าใกล้พัง ด้วย AI เสียงสำหรับการบำรุงรักษาเชิงคาดการณ์
Neuron Soundware คือบริษัท AI ทางอุตสาหกรรมจากกรุงปราก สาธารณรัฐเช็ก ก่อตั้งขึ้นในปี 2016 แนวคิดผลิตภัณฑ์ของพวกเขานั้นเรียบง่ายแต่ทรงพลัง คล้ายกับสัญชาตญาณของช่างเทคนิคผู้มีประสบการณ์: ก่อนที่เครื่องจักรจะพัง เสียงของมันจะเปลี่ยนไปก่อน ความแตกต่างคือพวกเขาได้เปลี่ยนสิ่งนี้ให้กลายเป็นระบบ AI ที่สามารถปรับขนาดได้และทำงานตลอด 24 ชั่วโมงโดยไม่หยุดพัก
ฟีเจอร์เด่นและกรณีการใช้งาน
ช่างซ่อมบำรุงผู้ช่ำชองเดินตรวจโรงงานและฟังเสียงก็รู้ทันทีว่าปั๊มตัวไหนมีความผิดปกติ—ความสามารถนี้มีอยู่จริง แต่มันติดตัวบุคคล เกษียณได้ ลาออกได้ และคนหนึ่งคนดูแลได้เพียงจุดเดียว Neuron Soundware ใช้ฮาร์ดแวร์ IoT ซีรีส์ nEdge เพื่อเก็บข้อมูลเสียงและการสั่นสะเทือนจากเครื่องจักร จากนั้นส่งไปยัง nGuard ซึ่งเป็นซอฟต์แวร์บนคลาวด์เพื่อทำการวิเคราะห์ โมเดล AI จะเรียนรู้ลักษณะเสียงปกติของอุปกรณ์แต่ละตัว และจะส่งสัญญาณเตือนทันทีเมื่อเกิดความเบี่ยงเบน เมื่อเทียบกับการวิเคราะห์การสั่นสะเทือนกระแสหลัก การวิเคราะห์เสียงมีข้อได้เปรียบ: ไมโครโฟนสามารถติดตั้งแบบไม่ต้องสัมผัสโดยไม่ต้องปิดเครื่องหรือรื้อถอนอุปกรณ์เพื่อติดตั้งเซนเซอร์ และข้อมูลสเปกตรัมเสียงมีความอุดมสมบูรณ์มากกว่าการสั่นสะเทือนเพียวๆ ทำให้มีความไวต่อความผิดปกติบางประเภทมากกว่า (เช่น การเกิดโพรงอากาศ, การสึกหรอของตลับลูกปืนระยะเริ่มต้น, การรั่วไหลของวาล์ว) เหมาะสำหรับเครื่องจักร เช่น เครื่องยนต์, คอมเพรสเซอร์, ปั๊ม และอุปกรณ์การผลิตประเภทต่างๆ
เหมาะสำหรับภาคการผลิต, พลังงาน, การบำบัดน้ำ และการขนส่งที่มีเครื่องจักรหมุนจำนวนมาก ภาคการผลิตแบบดั้งเดิมของไต้หวันและเอเชียนั้นเหมาะสมเป็นอย่างยิ่ง—เครื่องจักรเก่า, ขาดแคลนบุคลากรด้านการบำรุงรักษาอย่างรุนแรง, ประสบการณ์ของช่างผู้ชำนาญกำลังสูญหายไปในยุคของการเกษียณอายุ และการเปลี่ยนอุปกรณ์ใหม่ทั้งหมดนั้นไม่สมจริง คุณสมบัติการติดตั้งแบบไม่ต้องสัมผัสของการตรวจสอบด้วยเสียงทำให้สามารถติดตั้งบนอุปกรณ์เก่าที่มีอยู่ได้ ซึ่งใช้งานได้จริงมากกว่าโซลูชันอื่นๆ มากมายที่ต้องมีการดัดแปลงเครื่องจักร
ฟีเจอร์หลัก
- nEdge／nEdge Pro: ฮาร์ดแวร์ IoT Edge สำหรับรวบรวมสัญญาณทางกายภาพ เช่น เสียงและการสั่นสะเทือน
- nGuard: ซอฟต์แวร์วิเคราะห์บนเว็บสำหรับประมวลผลข้อมูลและสร้างดัชนีสุขภาพอุปกรณ์
- โมเดล AI เรียนรู้ลักษณะเสียงปกติของอุปกรณ์แต่ละตัวเพื่อตรวจจับความเบี่ยงเบนที่ผิดปกติ
- การติดตั้งไมโครโฟนแบบไม่ต้องสัมผัส ไม่ต้องปิดเครื่องหรือรื้อถอนอุปกรณ์
- เหมาะสำหรับเครื่องยนต์, คอมเพรสเซอร์, ปั๊ม และอุปกรณ์การผลิตหลากหลายประเภท
- การเตือนความผิดล่วงหน้าและการตีความประเภทความผิดปกติ
- การประมวลผลแบบ Edge Computing ช่วยลดความต้องการแบนด์วิดท์
การใช้งานทั่วไป
- การตรวจจับการสึกหรอของตลับลูกปืนระยะเริ่มต้นในอุปกรณ์หมุน เช่น คอมเพรสเซอร์และปั๊ม
- การตรวจสอบสุขภาพอุปกรณ์ในสายการผลิตต่อเนื่องที่ไม่สามารถหยุดทำงานได้
- การตรวจสอบสภาพอุปกรณ์เก่า (ในกรณีที่ไม่สามารถติดตั้งเซนเซอร์วัดการสั่นสะเทือนแบบดั้งเดิมได้)
- การเปลี่ยนกำหนดการบำรุงรักษาจากการซ่อมบำรุงตามรอบเวลา (Preventive) มาเป็นการซ่อมบำรุงตามสภาพ (Condition-based) เพื่อลดการหยุดทำงานโดยไม่จำเป็น
- การวินิจฉัยระยะไกลและความผิดปกติของอุปกรณ์
ฟีเจอร์เด่น
- nEdge／nEdge Pro: ฮาร์ดแวร์ IoT Edge สำหรับรวบรวมสัญญาณทางกายภาพ เช่น เสียงและการสั่นสะเทือน
- nGuard: ซอฟต์แวร์วิเคราะห์บนเว็บสำหรับประมวลผลข้อมูลและสร้างดัชนีสุขภาพอุปกรณ์
- โมเดล AI เรียนรู้ลักษณะเสียงปกติของอุปกรณ์แต่ละตัวเพื่อตรวจจับความเบี่ยงเบนที่ผิดปกติ
- การติดตั้งไมโครโฟนแบบไม่ต้องสัมผัส ไม่ต้องปิดเครื่องหรือรื้อถอนอุปกรณ์
- เหมาะสำหรับเครื่องยนต์, คอมเพรสเซอร์, ปั๊ม และอุปกรณ์การผลิตหลากหลายประเภท
- การเตือนความผิดล่วงหน้าและการตีความประเภทความผิดปกติ
- การประมวลผลแบบ Edge Computing ช่วยลดความต้องการแบนด์วิดท์
ข้อดี
- การติดตั้งเสียงแบบไม่ต้องสัมผัส เป็นมิตรอย่างยิ่งกับอุปกรณ์เก่าที่ไม่สามารถปิดเครื่องหรือไม่สะดวกในการติดตั้งเซนเซอร์
- แปลง 'หูของช่างผู้ชำนาญ' ให้ปรับขนาดได้ ตอบโจทย์ปัญหาการขาดแคลนทักษะในอุตสาหกรรมการผลิตอย่างตรงจุด
- จัดหาโซลูชันฮาร์ดแวร์และซอฟต์แวร์แบบครบวงจร ไม่จำเป็นต้องจัดหาและประกอบชุดเซนเซอร์เอง
- มีฐานลูกค้าอุตสาหกรรมในยุโรป ความเข้าใจในหน้างานการผลิตไม่ได้มีแค่บนกระดาษ
ข้อเสีย
- สภาพแวดล้อมในโรงงานที่มีเสียงดังซับซ้อน สัญญาณรบกวนจากเครื่องจักรข้างเคียงถือเป็นความท้าทายจริง ตำแหน่งการติดตั้งจึงสำคัญมาก
- โมเดลต้องใช้เวลาในการเรียนรู้เกณฑ์มาตรฐานปกติของอุปกรณ์ ช่วงเริ่มแรกของการใช้งานจึงอาจยังไม่เห็นผลลัพธ์ทันที
- ขนาดบริษัทไม่ใหญ่มาก จำเป็นต้องตรวจสอบความพร้อมของการสนับสนุนทางเทคนิคในภูมิภาคเอเชียแปซิฟิก
- ไม่มีการเปิดเผยราคา; ต้องมีการจัดซื้อฮาร์ดแวร์ ไม่ใช่รูปแบบซอฟต์แวร์สมัครสมาชิกล้วน
กรณีการใช้งาน
- การตรวจจับการสึกหรอของตลับลูกปืนระยะเริ่มต้นในอุปกรณ์หมุน เช่น คอมเพรสเซอร์และปั๊ม
- การตรวจสอบสุขภาพอุปกรณ์ในสายการผลิตต่อเนื่องที่ไม่สามารถหยุดทำงานได้
- การตรวจสอบสภาพอุปกรณ์เก่า (ในกรณีที่ไม่สามารถติดตั้งเซนเซอร์วัดการสั่นสะเทือนแบบดั้งเดิมได้)
- การเปลี่ยนกำหนดการบำรุงรักษาจากการซ่อมบำรุงตามรอบเวลามาเป็นการซ่อมบำรุงตามสภาพ เพื่อลดการหยุดทำงานโดยไม่จำเป็น
- การวินิจฉัยระยะไกลและความผิดปกติของอุปกรณ์
บันทึกบรรณาธิการ
หมายเหตุจากบรรณาธิการ: หัวข้อนี้โดดเด่นมากสำหรับผม สิ่งที่เจ็บปวดที่สุดสำหรับอุตสาหกรรมการผลิตในปัจจุบันไม่ใช่เครื่องจักรเก่า แต่คือ 'คนที่รู้ว่าเครื่องจักรมีความผิดปกติอยู่ตรงไหน' กำลังทยอยเกษียณอายุจำนวนมาก และคนรุ่นใหม่ก็ไม่อยากเข้าโรงงาน ทักษะที่ช่างผู้ชำนาญเดินผ่านมาฟังแล้วรู้ทันทีนั้นไม่ได้ถูกเขียนไว้ใน SOP ใดๆ และมันก็หายไปในวันที่พวกเขาเกษียณ การใช้ AI ทางเสียงเพื่อรักษาองค์ความรู้นี้ไว้ถือว่ามาถูกทางแล้ว ผมขอแนะนำให้ผู้จัดการโรงงานที่สนใจลองทำสิ่งนี้ก่อน: เลือกอุปกรณ์ที่คุณรู้จักดีที่สุดและมีปัญหาบ่อยที่สุด 3 ตัวมาทำโครงการนำร่อง (Pilot) และใช้ประวัติความผิดที่คุณรู้อยู่แล้วมาตรวจสอบว่าระบบสามารถตรวจจับมันได้หรือไม่ อย่าเพิ่งติดตั้งทั่วทั้งโรงงานตั้งแต่เริ่มต้น
คำถามที่พบบ่อย
โรงงานเสียงดังขนาดนี้ การวิเคราะห์เสียงจะมีประโยชน์จริงหรือ?
นี่คือข้อสงสัยที่พบบ่อยและสมเหตุสมผลที่สุด ในทางปฏิบัติจะจัดการผ่านหลายวิธี: ติดตั้งไมโครโฟนให้ใกล้กับอุปกรณ์เป้าหมาย, โมเดล AI เรียนรู้ลักษณะสเปกตรัมของอุปกรณ์เฉพาะแทนที่จะเป็นระดับเสียงโดยรวม, และใช้เทคนิคการประมวลผลสัญญาณเพื่อแยกเสียงรบกวนรอบข้าง อย่างไรก็ตาม ต้องยอมรับตามตรงว่าสภาพแวดล้อมที่มีเสียงรบกวนสูงมากจะส่งผลกระทบต่อประสิทธิภาพ ซึ่งนี่คือประเด็นสำคัญที่ต้องทดสอบหน้างานก่อนนำไปใช้งานจริง
เมื่อเทียบกับการวิเคราะห์การสั่นสะเทือน (เช่น Augury) ควรเลือกอันไหนดี?
การวิเคราะห์การสั่นสะเทือนคือกระแสหลักของการบำรุงรักษาเชิงคาดการณ์และมีระเบียบวิธีที่ผู้ใหญ่แล้ว ข้อได้เปรียบของการวิเคราะห์เสียงคือการติดตั้งแบบไม่ต้องสัมผัสและข้อมูลสเปกตรัมที่สมบูรณ์กว่า หากอุปกรณ์สามารถปิดเครื่องเพื่อติดตั้งเซนเซอร์วัดการสั่นสะเทือนได้และมีงบประมาณเพียงพอ ระบบนิเวศของการวิเคราะห์การสั่นสะเทือนจะสมบูรณ์กว่า แต่สำหรับอุปกรณ์เก่าที่ไม่สามารถปิดเครื่องได้ ความยืดหยุ่นในการปรับใช้ของระบบเสียงนั้นดีกว่าอย่างเห็นได้ชัด ทั้งสองแนวทางสามารถนำมาใช้เสริมกันได้
ต้องใช้เวลานานแค่ไหนจึงจะเห็นผลลัพธ์?
AI จำเป็นต้องเรียนรู้เกณฑ์มาตรฐานสถานะปกติของอุปกรณ์ก่อน ซึ่งโดยปกติจะใช้เวลาตั้งแต่หลายสัปดาห์จนถึงหลายเดือน ขึ้นอยู่กับความซับซ้อนของรอบการทำงานของอุปกรณ์ นี่คือคุณลักษณะร่วมของโซลูชันการตรวจสอบสถานะทุกประเภท อย่าคาดหวังว่าติดตั้งแล้ววันรุ่งขึ้นจะเริ่มตรวจจับความผิดปกติได้ทันที
เครื่องมือ AI ที่เกี่ยวข้อง
Motobook
เว็บไซต์ราคากลางมือสองมอเตอร์ไซค์แห่งแรกในไต้หวัน รวบรวมรถมือสองกว่า 37,000 คัน และราคาประเมินกว่า 812 รุ่น
Carbook
ระบบบันทึกราคาซื้อขายจริงรถมือสองในไต้หวัน──เช็คราคาตลาดจริง ปริมาณ และอัตราการรักษาเรทราคาจบในหน้าเดียว
實價雷達 HouseTW
เว็บไซต์ค้นหาข้อมูลราคาบ้านฟรีในไต้หวัน ที่รวมประกาศราคาซื้อขายจริง 3.49 ล้านรายการ พร้อมปักหมุดความเสี่ยงเรื่องดินเหลว รอยเลื่อน และน้ำท่วม ไว้บนแผนที่เดียวกัน
Perplexity
เครื่องมือค้นหาและตอบคำถามด้วย AI พร้อมระบุแหล่งที่มาอ้างอิง
Incentivio
แพลตฟอร์มบริหารความสัมพันธ์ลูกค้าสำหรับร้านอาหารเครือข่าย พร้อม AI ทำนายลูกค้าใกล้ churn (ย้ายค่าย/เลิกใช้บริการ)
HeyDonto
ชั้นผสานความหมายข้อมูลทางการแพทย์ จัดเรียงข้อมูลที่แตกต่างกันในทันตกรรมและมะเร็งวิทยาให้กลายเป็นสัญญาณที่ใช้งานได้จริง