3DSignals ontcijferen machine-onderhoud met geluidsanalyse

Een van de meest overtuigende aspecten van industrieel IoT is het vermogen van sensortechnologie om problemen op te lossen die traditionele industrieën al jaren, zo niet decennia teisteren. Een van die problemen is het onderhoud en de reparatie van machines. Tot voor kort was dergelijk onderhoud doorgaans tijdrovend, kostbaar en beperkt door de uitdaging om voldoende geschoolde werknemers te vinden.

Een start-up die met succes op deze uitdagingen inspeelt door een combinatie van  IoT en machine learning, is het Israëlische bedrijf 3DSignals.

Ik sprak met Amnon Shenfeld, mede-oprichter en CEO voor meer informatie. Ik ben altijd benieuwd hoe mensen op het idee komen voor hun start-up. Voor Shenfeld begon het met een simpele treinreis:

Shenfeld heeft een achtergrond in deep learning en hij legde uit:"Ik was er vrij zeker van dat ik een neuraal netwerk kon trainen om deze geluiden te herkennen om ze automatisch te rapporteren en te classificeren, en vervolgens (en met enkele verificaties door experts) een systeem te bouwen gebaseerd op op geluiden die veel belangrijke informatie zouden toevoegen over de toestand van machines.”

Met een idee dat maar niet ophield, begon Shenfeld een excursie, met een stel vrienden uit verschillende disciplines:machine learning, wiskunde, elektrotechniek, naar een plaatselijke staalfabriek.

“We vroegen het personeel, wat gaat hier vaak mis? Een van de antwoorden was zaagbladen, ze sneden door stalen profielen en balken heen en daardoor hadden ze vaak pannes. Ze vertelden ons iets verbazingwekkends:'we hebben een efficiëntie van 50% en daar zijn we erg trots op omdat het in de staalindustrie als veel wordt beschouwd'", zei hij.

Hij voegde eraan toe dat "we nu softwaremensen zijn, en we waren geschokt, want als je al dit geld investeert in elektriciteit, mankracht, apparatuur, fysieke ruimte, zou je waarschijnlijk meer dan 50% uptime willen hebben. Ze zeiden voordat ze het bedrijf overnamen dat ze 20% deden, en een van hun belangrijkste pijnpunten waren mesfouten die ze niet konden voorspellen; ze zouden minstens 20 minuten besteden aan het vervangen van elk mes en ze zouden gemiddeld 3 per dag per productielijn hebben.

"Dus we hebben het over meer dan een uur per dag per machine die wordt besteed aan het vervangen van zaagbladen, om nog maar te zwijgen van de resterende impact op de machines als de bladen breken. Ze probeerden bestaande bewakingstechnologieën (bijv. stroom, temperatuur) tevergeefs”, zei hij.

Shenfeld dacht dat hij en zijn vrienden konden helpen en de drang om 3DSignals te creëren was razend populair.

De preventieve onderhoudscyclus onderbreken

Machine-onderhoud is van oudsher een arbeidsintensief proces waarbij een fysieke persoon rond elke fabriek/fabriek/werkplaats moet worden gestuurd om individuele machines te inspecteren, meestal volgens een vast schema. Het vertrouwt traditioneel op een ingenieur om afwijkingen te identificeren en dienovereenkomstig te reageren.

Zoals Shenfeld uitlegde:"Mensen vertrouwden vroeger veel op akoestiek, bijvoorbeeld in hun auto, (om te zien of het klonk) normaal of klonk een beetje vreemd. Op dezelfde manier kan een technicus die een pomp kan horen, u vertellen welke goed werkt of niet.”

3DSignals is inderdaad het eerste IoT-bedrijf dat sensortechnologie gebruikt om machines via geluid te monitoren. Hun systeem kan worden uitgebreid tot een reeks machines "op basis van de kennis van hoe vergelijkbare machines zouden moeten klinken en ook op het leren van de zeer specifieke geluidsakoestiek van specifieke machines.

Dit lijkt erg op het menselijke proces, als je zou praten met een onderhoudstechnicus die een groep machines bewaakt, hij weet wat normaal is of niet voor elke machine en dit systeem emuleert dit gedrag met een neuraal netwerk, met andere woorden, diepgaand leren.”

Dit alles leidt tot meer efficiëntie bij het onderhoud en het vermogen om problemen te voorspellen, zodat een monteur kan reageren als dat nodig is in plaats van alleen binnen een reeds bestaand tijdsbestek voor preventief onderhoud.

Het 3DSignals-systeem gaat vergezeld van een eenvoudig te gebruiken platform en cloud, wat betekent dat "de geluidssamples zelfs naar de fabrikant van de motor, pomp, klep kunnen worden gestuurd, waardoor ze deze zeer natuurlijke kennis terugkrijgen." Het heeft een natuurlijke affiniteit met de energie-industrie, zei hij, waar "ze zoveel turbines laten draaien zonder mensen naast hen ... Ze komen voor hun routine-onderhoud om een ​​pomp te repareren, en merken dan dat er een heel ander apparaat is mislukt vanwege hoe het klinkt. Ze hadden geen andere methode voor ons.”

Geluidstechnologie is grotendeels onderzocht in de academische wereld voor spraakherkenning, met name in deep learning en algoritmen. Zoals Shenfeld opmerkt:"We bevinden ons op het snijvlak van het ontwikkelen van software en algoritmen en het ontwikkelen van geautomatiseerd horen. Het is heel spannend.”

Zelfs Elon Musk vertrouwde op een mysterieus geluid om de Space X Falcon 9-explosie op te lossen:

Shenfeld legt uit dat hij bij het presenteren van zijn idee aan bedrijven kamers vol geschikt personeel vroeg:"Zou je weten hoe je machine werkt door het geluid? Ik krijg nooit een nee.” Met een technologie die een natuurlijke affiniteit heeft met een reeks sectoren, van mijnbouw tot landbouw tot geautomatiseerde auto's, zal dit niet de eerste keer zijn dat u over 3DSignals hoort.