隨著物聯網、工業(yè)4.0的出現，制造商正在使用各種類型傳感器來收集有關資產的健康信息，這些信息可為預測分析流程提供見解，例如工單生成和預測潛在的設備停機時間。
在將制造商的傳感器數據集成到物聯網平臺時，考慮傳感器的類型范圍非常重要，一些重要的傳感器測量溫度、電壓、振動、電力和濕度。本文提出了一個問題：聲學傳感器能否有效診斷機器健康？
我們經常根據聽到的噪音來診斷機器問題，遺憾的是，人類只能聽到20--22000 Hz范圍內的聲音，還有很多聞所未聞的聲音人類無法聽到，而人類聽力范圍之外的聲音也能對機器健康產生有價值見解。
光或超聲傳感器問題
機器由相互磨合的運動部件組成，可以產生摩擦和噪音，因此許多機器故障可以通過聲音檢測。像可見光這樣的裝置不能用于這種機器，因為光不能通過機器部件，因此無法確定任何關鍵問題。
超聲波傳感器倒是很有希望，但是，同樣可以檢測微小聲音的超聲波價格昂貴，并且還需要接收器和發(fā)射器在機器周圍移動——類似醫(yī)院里的超聲波儀器，因此，超聲波并不理想。
此外，工業(yè)運營商也不喜歡侵入式解決方案，而聲學傳感器允許非侵入式設置，對工作空間侵入最小。
聲學傳感器可以診斷機器健康嗎？
結合預測算法，非侵入式聲學傳感器可以在機器出現故障之前就能檢測到微弱噪聲。
實時檢測聲音的另一種方法是聲學相機，其捕捉聲波并以熱成像方式可視化它們，然后通過算法分析這些信息，以確定故障的根本原因。例如，在電力傳輸系統中，這種相機可以確定異常聲音的特定點，并利用它來預測部件故障的早期階段，比如，在輸送空氣或液體的加壓管道系統中，這種相機可以精確檢測到維修人員視線之外的泄漏點。
可以將多個聲學傳感器放置在機器中的目標位置，并將它們連接到無線邊緣設備來收集數據，無線邊緣設備直接將數據發(fā)送和上傳到云服務器，在那里可以對數據進行分析。結合資產管理系統和預測分析，可以提供關鍵資產效率參數的詳細信息。
機器可持續(xù)的聲學診斷
根據一些研究，高達40%的工廠能源成本可能是由損耗造成的。當電機開始退化時，機器的整體效率會降低，為了彌補效率降低，電機需要消耗更多能源。這導致額外的電力消耗和更高的電費支出。
使用聲學傳感器來發(fā)現機器缺陷使制造商能夠在這種損耗開始之前修復機器，減少停機時間和電力成本，同時延長機器的使用壽命。這可以為運營部門節(jié)省大量成本，例如，我們看到有公司將耗電量降低了10%，由于該公司在全球運營著大約5億臺電機，因此節(jié)省了大量成本。
考慮到上述所有優(yōu)勢，聲學傳感器和相機完全可以成為物聯網預測分析的強大工具。
