Les opérateurs expérimentés prétendent qu'ils peuvent dire si leur machine fonctionne correctement simplement en écoutant les sons qu'elle émet. Des chercheurs financés par l'UE ont fait mieux en développant une technologie basée sur le système auditif humain qui peut, par une analyse solide, « entendre » si les machines industrielles doivent être entretenues.

L'élimination du risque de temps d'arrêt et la réduction des coûts de maintenance sont très importantes pour l'industrie car ces facteurs affectent la productivité et la qualité tout en diminuant les bénéfices. Industrie, donc, a des incitations majeures à trouver une solution facile à mettre en œuvre et simple à utiliser.

À l'aide d'une analyse solide, le projet Horizon2020 neuronSW, financé par l'UE, a développé une approche innovante et révolutionnaire pour prédire les dysfonctionnements mécaniques dans les machines industrielles. Les chercheurs ont combiné des algorithmes avancés, l'apprentissage automatique et l'analyse Big Data pour imiter le cortex auditif humain et permettre la détection et la prédiction précoces des pannes mécaniques. "La technologie s'appuie sur l'apprentissage automatique, le cloud et l'Internet des objets (IoT) pour fournir un service de détection qui émule l'intuition humaine sur le son, " dit Jiří Čermák, responsable technique du partenaire du projet SME NeuronSW Ltd.

L'oreille pour les problèmes

Via la technologie sonore Neuron (neuronSW), les fabricants peuvent effectuer des diagnostics audio intelligents et surveiller les éléments clés des machines par les sons qu'ils produisent. « La plate-forme matérielle et logicielle intégrée recueille automatiquement le son des machines en temps réel et évalue en permanence l'état de santé des équipements. Elle fonctionne de la même manière que les opérateurs expérimentés qui utilisent leurs oreilles pour diagnostiquer les machines en panne, " explique ermák.

Le système fonctionne à la fois hors ligne et en ligne et peut être intégré à des logiciels existants ou à des plates-formes IoT tierces. « Cela transforme efficacement les données en connaissances et en actions, " affirme ermák. " Les capteurs de sons et de vibrations (microphones) peuvent être installés rapidement et à moindre coût sur tous les types de machines, permettant aux actifs sans interface numérique ou exploités par des systèmes existants d'être numérisés sans mises à niveau coûteuses."

Excitant, il n'y a presque aucune limite à l'application de la technologie de diagnostic audio, qui peut être utilisé pour tout ce qui a une partie mobile et produit du son. "Toutefois, il est plus logique de se concentrer d'abord sur les pièces critiques des machines, actifs coûteux, Contrôle de qualité, et sur des actifs dans des zones reculées d'accès difficile, " Čermák souligne. Il poursuit :" Différentes industries ont coopéré avec NeuronSW pour créer des solutions pour les machines lourdes, y compris les moteurs de cogénération, pompes à essence automobiles, éoliennes, escaliers mécaniques, systèmes à courant alternatif, Assemblage de PC, contrôle qualité des moteurs électriques, et la maintenance prédictive des machines de conditionnement."

Un brillant avenir

Selon Michal Bambušek, Directeur des ventes de NeuronSW Ltd, le projet s'est également concentré sur les plans de vente et de marketing. "Nous avons formé le personnel de vente et identifié les marchés clés et les stratégies de mise sur le marché pour la technologie neuronSW et mené des études de cas pour la développer et l'adapter à différents domaines, " dit-il. " Nous avons noué de nouveaux contacts commerciaux importants qui nous ont permis de découvrir de nouveaux domaines et utilisations pour notre technologie, ce qui a contribué à l'enrichir et nous a permis de progresser."

Les machines et les personnes bénéficieront de la technologie développée grâce à l'initiative. "Il ne fait aucun doute que la maintenance des actifs est l'un des principaux domaines d'exploration dans de nombreuses industries à travers le monde, " ajoute ermák. "Nous pensons qu'à l'avenir, la maintenance prédictive du son deviendra une caractéristique standard de la plupart des machines avec des pièces mobiles, aider les fabricants et les opérateurs. Quant aux futures recherches, nous faisons tout notre possible pour apprendre des études de cas et améliorer notre technologie et notre recherche, " conclut-il.