Mantenimiento de la máquina de descifrado 3DSignals con análisis de sonido

Uno de los aspectos más convincentes del IoT industrial es la capacidad de la tecnología de sensores para resolver problemas que han plagado a las industrias tradicionales durante años, si no décadas. Uno de esos problemas es el mantenimiento y las reparaciones de la máquina. Hasta hace poco, dicho mantenimiento solía consumir mucho tiempo, era costoso y estaba limitado por el desafío de encontrar trabajadores debidamente capacitados.

Una empresa emergente que está respondiendo con éxito a estos desafíos mediante una combinación de IoT y aprendizaje automático es la empresa israelí 3DSignals.

Hablé con Amnon Shenfeld, cofundador y director ejecutivo para obtener más información. Siempre tengo curiosidad por saber cómo se le ocurre a la gente la idea de su puesta en marcha. Para Shenfeld, comenzó con un simple viaje en tren:

Shenfeld tiene experiencia en aprendizaje profundo y explicó:"Estaba bastante seguro de que podría entrenar una red neuronal para reconocer estos sonidos con el fin de informarlos automáticamente y clasificarlos, luego (y con algunas verificaciones de expertos), construir un sistema basado en sonidos que agregarían mucha información significativa sobre el estado de las máquinas ”.

Con una idea que no dejaría de serlo, Shenfeld inició un viaje de campo con un grupo de amigos de diversas disciplinas:aprendizaje automático, matemáticas, ingeniería eléctrica, a una planta siderúrgica local.

“Le preguntamos al personal, ¿qué falla aquí a menudo? Una de las respuestas fueron hojas de sierra, cortaban perfiles y vigas de acero y, como resultado, con frecuencia tenían averías. Nos dijeron algo bastante sorprendente:'tenemos un 50% de eficiencia y estamos muy orgullosos de ello porque en la industria del acero se considera mucho' ”, dijo.

Añadió que ahora “somos gente de software, y nos sorprendió porque si invierte todo este dinero en electricidad, mano de obra, equipos, espacio físico, probablemente querrá obtener más del 50% de tiempo de actividad. Dijeron que antes de hacerse cargo del negocio estaban haciendo un 20%, y uno de sus principales puntos débiles eran las fallas de las cuchillas que no podían predecir; gastarían al menos 20 minutos en cada reemplazo de cuchilla y tendrían un promedio de 3 por día por línea de producción.

“Por lo tanto, estamos hablando de más de una hora al día por máquina que se invierte en reemplazar las hojas de sierra, sin mencionar los impactos residuales en las máquinas si las hojas se rompen. Probaron las tecnologías de monitoreo existentes (por ejemplo, corriente, temperatura) sin éxito ”, dijo.

Shenfeld pensó que él y sus amigos podrían ayudar y el ímpetu para crear 3DSignals estaba ansioso por comenzar.

Interrupción del ciclo de mantenimiento preventivo

El mantenimiento de la máquina es tradicionalmente un proceso laborioso que requiere el envío de una persona física a cada fábrica / planta / lugar de trabajo para inspeccionar las máquinas individuales, generalmente en un horario establecido. Tradicionalmente, se basa en un ingeniero para identificar anomalías y responder en consecuencia.

Como explicó Shenfeld, “la gente solía confiar mucho en la acústica, por ejemplo en sus autos, (para ver si sonaba) normal o un poco extraño. De la misma manera, un técnico que puede escuchar una bomba puede decirle cuál está funcionando bien o no ”.

De hecho, 3DSignals es la primera empresa de IoT en utilizar tecnología de sensores para monitorear máquinas a través del sonido. Su sistema puede extenderse a una gama de máquinas “basándose en el conocimiento de cómo se supone que suenan máquinas similares y también en el aprendizaje de la acústica de sonido muy específica de máquinas específicas.

Esto es muy similar al proceso humano, si tuvieras que hablar con un ingeniero de mantenimiento que monitorea un grupo de máquinas, él sabe qué es normal o no para cada máquina y este sistema emula este comportamiento con una red neuronal, es decir, aprendizaje profundo ".

Todo esto conduce a una mayor eficiencia en el mantenimiento y la capacidad de predecir problemas para que un ingeniero pueda responder según sea necesario en lugar de solo dentro de un marco de tiempo de mantenimiento preventivo preexistente.

El sistema 3DSignals va acompañado de una plataforma y una nube fáciles de usar, lo que significa que "las muestras de sonido pueden incluso enviarse al fabricante del motor, bomba, válvula, devolviéndoles este conocimiento tan natural". Tiene una afinidad natural con la industria de la energía, dijo, donde "tienen tantas turbinas girando sin personas a su lado ... Vienen para su mantenimiento de rutina para reparar una bomba, luego notan que hay un equipo completamente diferente. fallando debido a cómo suena. No tenían ningún otro método antes que nosotros ".

La tecnología de sonido se ha investigado en gran medida en la academia para el reconocimiento de voz, particularmente en aprendizaje profundo y algoritmos. Como señala Shenfeld, “Estamos a la vanguardia en el desarrollo de software y algoritmos y en el desarrollo de la audición automatizada. Es muy emocionante ".

Incluso Elon Musk se basó en un sonido misterioso para intentar resolver la explosión de Space X Falcon 9:

Shenfeld explica que, al presentar su idea a las empresas, preguntó a salas llenas de personal adecuado:“¿Sabrías por el sonido cómo funciona tu máquina? Nunca recibo un no ". Con una tecnología que tiene una afinidad natural con una variedad de sectores, desde la minería hasta la agricultura y los automóviles automatizados, esta no será la primera vez que escuche sobre 3DSignals.