Tout le monde connait et possède cette application qui reconnait une empreinte musicale numérique même dans les ambiances les plus complexes.
L’idée d’utiliser une technologie semblable à celle de Shazam pour comparer le son de référence d’un moteur, d’un compresseur de frigo ou de climatisation à ses variations au fil du temps et prédire des pannes, est tout à fait réalisable et présente un grand potentiel.
En fait, ce concept s’inscrit dans le domaine de la maintenance prédictive, où l’on utilise des données sensorielles (dans ce cas, des données audio) pour surveiller l’état des machines et prédire les défaillances avant qu’elles ne se produisent. Voici quelques points clés abordant comment la technologie, l’IA et une tablette Coworker permettent d’éviter les coûts, la lourdeur d’installation et de configuration de l’Internet des objets (IoT).
Découvrir l’ensemble de la gamme de tablettes Coworker.
Analogie avec Shazam
Shazam fonctionne en créant une empreinte digitale unique d’une chanson à partir de son spectre sonore et en la comparant à une vaste base de données de musiques pour trouver une correspondance. Pour les machines, le processus est similaire impliquant l’enregistrement d’une « empreinte sonore » de référence d’un moteur en bon état.
Application à la maintenance prédictive
Capture des sons de référence : On commence par enregistrer le son d’un moteur en bon état de fonctionnement grâce aux micros HQ intégré à nos tablettes pour établir une référence. Cela comprend différents régimes de fonctionnement pour une comparaison précise.
Surveillance continue : En utilisant les Micros de la tablette Coworker à proximité des machines, le technicien « shazame » le bruit de fonctionnement pour détecter toute déviation par rapport à la « normale ».
Analyse des données audio : Les variations par rapport aux sons de référence permettent d’être analysées en utilisant des techniques d’apprentissage automatique fournis par l’intelligence artificielle pour identifier des motifs spécifiques indiquant une usure, un désalignement, une lubrification insuffisante, etc.
Prédiction de pannes : En identifiant ces variations précoces, l’algorithme va prédire les défaillances potentielles bien avant qu’elles ne deviennent critiques, permettant ainsi une intervention pour éviter les arrêts non planifiés et prolonger la durée de vie de l’équipement. L’IA va de surcroit apprendre, grâce à la qualité des micros de nos tablettes, et en fonction des rapports d’incident, quelle variation correspond à quelle panne, on peut ainsi orienter l’intervention à réaliser.
Exemples réels et potentiels
Coworker participe actuellement à un programme de développement du diagnostic acoustique. Les techniques de traitement du signal et d’apprentissage automatique permettent de détecter des anomalies dans les équipements industriels, les systèmes HVAC, les véhicules, et même dans les infrastructures comme les ponts ou les bâtiments.
Les avantages
Prévention des pannes : Réduction des temps d’arrêt imprévus et des coûts de maintenance.
Augmentation de la durée de vie des équipements : En détectant et en corrigeant les petits problèmes avant qu’ils ne deviennent majeurs.
Optimisation de la maintenance : Permettant de planifier les interventions de maintenance de manière plus efficace.
Maintenance prédictive : les défis
Complexité des sons : Un moteur peut émettre une grande variété de sons selon son état.
Bruit de fond : Dans un environnement industriel, isoler le son d’un moteur spécifique des autres bruits peut être difficile. L’utilisation de technologie SMART SOUND D’Intel® sur nos tablettes, permet de mieux isoler le son recherché.
En conclusion, cela représente un exemple passionnant de la façon dont les technologies intégrées à nos tablettes peuvent être adaptées à de nouveaux usages pour résoudre des problèmes complexes et améliorer l’efficacité opérationnelle.
Toujours à vos côtés.