Neuron Soundware
Lắng nghe âm thanh máy móc để dự đoán sự cố, ứng dụng AI âm học cho bảo trì dự đoán
Truy cập website ↗Neuron Soundware là một công ty AI công nghiệp có trụ sở tại Praha, Séc, được thành lập vào năm 2016. Ý tưởng sản phẩm của họ thực ra cũng giống như trực giác của một kỹ thuật viên lão luyện: trước khi máy móc bị hỏng, âm thanh của nó sẽ thay đổi trước. Điểm khác biệt là họ đã biến điều này thành một hệ thống AI có thể mở rộng quy mô và hoạt động liên tục 24/7.
Tính năng nổi bật và trường hợp sử dụng
Một thợ bảo trì kỳ cựu đi qua xưởng, chỉ cần lắng nghe là biết máy bơm nào đang gặp vấn đề — năng lực này thực sự tồn tại, nhưng nó gắn liền với từng cá nhân cụ thể, họ sẽ nghỉ hưu, nghỉ việc và mỗi lần chỉ có thể trông coi một nơi. Neuron Soundware sử dụng phần cứng IoT dòng nEdge để thu thập tín hiệu âm thanh và độ rung của máy móc, đưa vào phần mềm đám mây nGuard để phân tích. Mô hình AI học hỏi các đặc điểm âm thanh bình thường của từng thiết bị và sẽ phát ra cảnh báo ngay khi có sự sai lệch. So với phân tích độ rung chủ đạo, phương pháp âm học có những ưu điểm riêng: micro có thể lắp đặt không tiếp xúc, không cần phải dừng máy hoặc tháo rời thiết bị để gắn cảm biến; hơn nữa, thông tin phổ tần chứa trong âm thanh phong phú hơn độ rung đơn thuần, nhạy cảm hơn đối với một số loại sự cố (như hiện tượng xâm thực, mòn sớm ổ trục, rò rỉ van). Các thiết bị áp dụng bao gồm động cơ, máy nén khí, máy bơm và nhiều loại thiết bị sản xuất khác.
Giải pháp này phù hợp với các ngành sản xuất, năng lượng, xử lý nước và vận tải có lượng lớn máy móc quay. Các ngành sản xuất truyền thống rất phù hợp với giải pháp này — thiết bị cũ, đứt gãy nhân lực bảo trì nghiêm trọng, kinh nghiệm của các bậc thầy đang mất dần trong làn sóng nghỉ hưu, trong khi việc thay mới toàn bộ thiết bị là không thực tế. Đặc tính lắp đặt không tiếp xúc của giám sát âm học cho phép gắn nó lên các thiết bị cũ hiện có, thực tế hơn nhiều so với các giải pháp đòi hỏi phải cải tạo máy móc.
Tính năng chính
- nEdge / nEdge Pro: Phần cứng biên IoT, thu thập tín hiệu vật lý như âm thanh và độ rung
- nGuard: Phần mềm phân tích dạng web, xử lý dữ liệu và xuất ra trạng thái sức khỏe thiết bị
- Mô hình AI học hỏi đặc điểm âm học bình thường của từng thiết bị để phát hiện sai lệch bất thường
- Lắp đặt micro không tiếp xúc, không cần dừng máy hay tháo rời thiết bị
- Phù hợp cho động cơ, máy nén khí, máy bơm và các thiết bị sản xuất khác nhau
- Cảnh báo bất thường và chẩn đoán loại sự cố
- Xử lý tính toán biên, giảm nhu cầu băng thông
Ứng dụng phổ biến
- Phát hiện sớm mòn ổ trục cho các thiết bị quay như máy nén, máy bơm
- Giám sát sức khỏe thiết bị trên dây chuyền sản xuất liên tục không thể dừng máy
- Giám sát trạng thái thiết bị cũ (trong trường hợp không thể gắn cảm biến độ rung truyền thống)
- Chuyển đổi lịch bảo trì từ định kỳ sang bảo trì theo tình trạng, giảm thiểu thời gian chết không cần thiết
- Chẩn đoán từ xa sự cố thiết bị và phân tích loại lỗi
Tính năng chính
- nEdge / nEdge Pro: Phần cứng biên IoT, thu thập tín hiệu vật lý như âm thanh và độ rung
- nGuard: Phần mềm phân tích dạng web, xử lý dữ liệu và xuất ra trạng thái sức khỏe thiết bị
- Mô hình AI học hỏi đặc điểm âm học bình thường của từng thiết bị để phát hiện sai lệch bất thường
- Lắp đặt micro không tiếp xúc, không cần dừng máy hay tháo rời thiết bị
- Phù hợp cho động cơ, máy nén khí, máy bơm và các thiết bị sản xuất khác nhau
- Cảnh báo bất thường và chẩn đoán loại sự cố
- Xử lý tính toán biên, giảm nhu cầu băng thông
Ưu điểm
- Lắp đặt âm học không tiếp xúc, đặc biệt thân thiện với các thiết bị cũ không thể dừng hoạt động hoặc bất tiện khi gắn cảm biến
- Số hóa "đôi tai của chuyên gia lão luyện", giải quyết trực diện vấn đề đứt gãy kỹ thuật trong ngành sản xuất
- Cung cấp giải pháp tích hợp phần cứng và phần mềm, không cần tự ghép nối các giải pháp cảm biến
- Nền tảng khách hàng công nghiệp châu Âu vững chắc, sự thấu hiểu hiện trường sản xuất không chỉ nằm trên lý thuyết
Nhược điểm
- Môi trường tiếng ồn nhà xưởng phức tạp, nhiễu âm thanh từ máy bên cạnh là thách thức thực tế, vị trí lắp đặt đóng vai trò cốt yếu
- Mô hình cần một khoảng thời gian để học hỏi chuẩn mực bình thường của thiết bị, giai đoạn đầu triển khai sẽ khó thấy ngay hiệu quả
- Quy mô công ty không lớn, năng lực hỗ trợ kỹ thuật tại khu vực Châu Á - Thái Bình Dương cần được xác nhận trước
- Chưa công bố giá; cần đầu tư phần cứng, không phải là dạng đăng ký hoàn toàn thuần phần mềm
Trường hợp sử dụng
- Phát hiện sớm mòn ổ trục cho các thiết bị quay như máy nén, máy bơm
- Giám sát sức khỏe thiết bị trên dây chuyền sản xuất liên tục không thể dừng máy
- Giám sát trạng thái thiết bị cũ (trong trường hợp không thể gắn cảm biến độ rung truyền thống)
- Chuyển đổi lịch bảo trì từ định kỳ sang bảo trì theo tình trạng, giảm thiểu thời gian chết không cần thiết
- Chẩn đoán từ xa sự cố thiết bị và phân tích loại sự cố
Ghi chú biên tập
Lời tòa soạn: Chủ đề này khiến tôi đặc biệt xúc động. Nỗi đau lớn nhất của ngành sản xuất hiện nay không phải là thiết bị cũ, mà là "những người biết thiết bị gặp vấn đề ở đâu" đang ồ ạt nghỉ hưu, trong khi giới trẻ không muốn vào nhà máy. Bản lĩnh nghe qua là biết của các bậc thầy không được viết trong bất kỳ quy trình SOP nào, và nó sẽ biến mất vào ngày họ nghỉ hưu. Việc sử dụng AI âm học để lưu giữ điều này là đi đúng hướng. Tôi khuyên các nhà quản lý nhà xưởng có hứng thú nên làm một việc trước: chọn ra 3 thiết bị mà bạn hiểu rõ nhất và hay gặp sự cố nhất để làm thí điểm, dùng lịch sử lỗi mà bạn nắm rõ để kiểm chứng xem hệ thống có bắt được hay không. Đừng áp dụng cho toàn bộ nhà xưởng ngay từ đầu.
Câu hỏi thường gặp
Nhà xưởng ồn ào như vậy, phân tích âm thanh thực sự có ích không?
Đây là thắc mắc phổ biến và hợp lý nhất. Thực tế được xử lý qua mấy yếu tố sau: micro được lắp sát vào thiết bị mục tiêu, mô hình AI học các đặc điểm phổ tần của thiết bị cụ thể chứ không phải tổng âm lượng, và sử dụng công nghệ xử lý tín hiệu để tách tiếng ồn nền. Tuy nhiên, phải thừa nhận rằng môi trường có tiếng ồn cực kỳ phức tạp sẽ ảnh hưởng đến hiệu quả, đây là trọng tâm cần kiểm tra tại hiện trường trước khi triển khai.
So với phân tích độ rung (như Augury), nên chọn bên nào?
Phân tích độ rung là chủ đạo trong bảo trì dự đoán với phương pháp luận trưởng thành; ưu điểm của âm học nằm ở việc lắp đặt không tiếp xúc và thông tin phổ tần phong phú hơn. Nếu thiết bị có thể dừng hoạt động để lắp cảm biến độ rung và ngân sách đầy đủ, hệ sinh thái của giải pháp độ rung sẽ hoàn thiện hơn; nếu là thiết bị cũ không thể dừng máy, tính linh hoạt khi triển khai của âm học rõ ràng tốt hơn. Cả hai cũng có thể bổ sung cho nhau.
Mất bao lâu để thấy được hiệu quả?
AI cần thời gian để học hỏi chuẩn mực trạng thái bình thường của thiết bị, thường mất từ vài tuần đến vài tháng, tùy thuộc vào độ phức tạp của chu kỳ vận hành thiết bị. Đây là đặc điểm chung của tất cả các giải pháp giám sát trạng thái, đừng kỳ vọng vừa lắp xong ngày hôm sau đã phát hiện ra lỗi.