Gli operatori esperti affermano di poter dire se la loro macchina funziona correttamente semplicemente ascoltando i suoni che emette. I ricercatori finanziati dall'UE hanno fatto di meglio sviluppando una tecnologia basata sul sistema uditivo umano che può, attraverso l'analisi del suono, 'sentire' se i macchinari industriali devono essere sottoposti a manutenzione.

L'eliminazione del rischio di tempi di fermo e la riduzione dei costi di manutenzione sono molto importanti per l'industria poiché questi fattori influenzano la produttività e la qualità riducendo i profitti. Industria, perciò, ha grandi incentivi per trovare una soluzione facile da implementare e semplice da usare.

Utilizzando l'analisi del suono, il progetto neuronSW Horizon2020, finanziato dall'UE, ha sviluppato un approccio innovativo e rivoluzionario per prevedere il malfunzionamento meccanico nei macchinari industriali. I ricercatori hanno combinato algoritmi avanzati, apprendimento automatico e analisi dei Big Data per imitare la corteccia uditiva umana e consentire il rilevamento e la previsione precoci di guasti meccanici. "La tecnologia sfrutta l'apprendimento automatico, il cloud e l'Internet of Things (IoT) per fornire un servizio di rilevamento che emula l'intuizione umana sul suono, " dice Jiří Čermák, responsabile tecnico del partner di progetto SME NeuronSW Ltd.

Orecchio per i problemi

Tramite la tecnologia del soundware Neuron (neuronSW), i produttori possono condurre una diagnostica audio intelligente e monitorare gli elementi chiave dei macchinari in base ai suoni che producono. "La piattaforma hardware e software integrata raccoglie automaticamente il suono delle macchine in tempo reale e valuta continuamente lo stato di salute delle apparecchiature. Funziona in modo simile agli operatori esperti che usano le orecchie per diagnosticare macchine rotte, " spiega Čermák.

Il sistema funziona sia offline che online e può essere integrato in software esistenti o piattaforme IoT di terze parti. "Questo trasforma efficacemente i dati in conoscenza e azioni, " afferma Čermák. "I sensori di suoni e vibrazioni (microfoni) possono essere installati in modo rapido ed economico su tutti i tipi di macchinari, consentire la digitalizzazione delle risorse senza interfaccia digitale o gestite da sistemi legacy senza costosi aggiornamenti."

Eccitante, non ci sono quasi limiti all'applicazione della tecnologia di diagnostica audio, che può essere utilizzato per tutto ciò che ha una parte mobile e produce suono. "Però, ha più senso concentrarsi prima su pezzi critici di macchinari, beni costosi, controllo di qualità, e su asset in aree remote di difficile accesso, " sottolinea Čermák. E continua:"Diverse industrie hanno collaborato con NeuronSW per creare soluzioni per macchinari pesanti, compresi i motori di cogenerazione, pompe del carburante per autoveicoli, turbine eoliche, scale mobili, sistemi di CA, assemblaggio PC, controllo qualità dei motori elettrici, e manutenzione predittiva delle macchine per l'imballaggio."

Un futuro brillante

Secondo Michal Bambušek, Responsabile vendite di NeuronSW Ltd, il progetto si è concentrato anche sui piani di vendita e marketing. "Abbiamo formato il personale di vendita e identificato i mercati chiave e le strategie di immissione sul mercato per la tecnologia neuronSW e condotto casi di studio per svilupparla e adattarla a diversi campi, " racconta. "Abbiamo stretto nuovi importanti contatti commerciali che ci hanno aiutato a scoprire nuovi ambiti e utilizzi per la nostra tecnologia, che ha contribuito a migliorarlo e ci ha permesso di progredire."

Sia le macchine che le persone beneficeranno della tecnologia sviluppata attraverso l'iniziativa. "Non c'è dubbio che la manutenzione delle risorse è una delle aree chiave di esplorazione in molti settori in tutto il mondo, " aggiunge Čermák. "Riteniamo che in futuro la manutenzione predittiva del suono diventerà una caratteristica standard della maggior parte delle macchine con parti mobili, aiutare produttori e operatori allo stesso modo. Per quanto riguarda le ricerche future, stiamo facendo tutto il possibile per imparare dai casi di studio e aggiornare la nostra tecnologia e ricerca, " conclude.