Звук как источник данных для определения поломок: диагностика конвейеров на базе ИИ и телематики

Видели таких опытных механиков, которые по скрипу, стуку, в общем, по одному звуку могут определить неисправность машины? Но если такого уникального специалиста у вас нет, в дело идут ИИ и телематика. Правда, слушать сегодня будем не машины, а конвейер на горнодобывающем предприятии. Моя любимая рубрика – нестандартная телематика.

Ситуация

Представьте конвейер длиной 23 км, по которому идут тысячи тонн горной массы. Одна из частых причин аварий конвейера – неисправность роликов, на которых движется лента. Заклинивший ролик перегревает и повреждает ленту, линия останавливается, начинается аварийный ремонт. А проблема в том, что обнаружить такие неисправности заранее сложно.

Обычно диагностика выполняется через визуальный осмотр (что трудоемко) или с помощью вибрационных датчиков на каждом ролике (довольно). Инженеры горнодобывающей компании выбрали нестандартный подход: не ставить датчики на каждый ролик, а проехать вдоль конвейера с микрофоном и послушать его целиком.

Решение: определять неисправности по звуку

Команда разработала систему, которая слушает конвейер, анализирует звук с помощью искусственного интеллекта и автоматически определяет неисправности.

По сути, каждый дефект ролика создает свой уникальный акустический почерк – будь то скрип, удар, вибрационный резонанс или шум заклинивания. Для их классификации и нужна нейросеть. Ключевой элемент решения – интеграция акустической диагностики с телематическим терминалом. Это позволяет не только обнаружить дефект, но и точно определить его координаты на километровом конвейере.

Архитектура решения

В системе четыре слоя:

1. акустический мониторинг

2. машинное обучение

3. телеметрия

4. облачная аналитика

Как это работает:

1) Сбор данных

Промышленный микрофон установлен на автомобиль, который едет вдоль конвейера и записывает звук оборудования. В отличие от традиционных датчиков:

• установка занимает несколько минут

• не требуется вмешательство в конструкцию конвейера

• один микрофон может контролировать большой участок линии

2) Анализ звука искусственным интеллектом

Звуковой поток поступает в нейросеть. Она анализирует спектр, выделяет акустические паттерны и классифицирует аномалии. Модель обучена распознавать:

• нормальную работу конвейера;

• скрипящие, стучащие и заклинивающие ролики;

• фоновые шумы производства.

Обучающая выборка включала записи исправных конвейеров, звуки разных типов дефектов роликов и производственные шумы. При обнаружении аномалии система определяет тип дефекта, уровень серьёзности, время события.

3) Телематика определяет, где проблема

После обнаружения дефекта система передаёт данные на терминал Galileosky 7X. Терминал выполняет две важные функции:

1. Геолокация события: определяет координаты места, где был зафиксирован дефект. Это позволяет точно локализовать проблемный ролик даже на конвейерах длиной несколько километров.

2. Передача телеметрии. Терминал отправляет данные на центральный сервер мониторинга.

Результат

Фактически система слушает оборудование и сама находит неисправности.

Что это дает:

• Раннее обнаружение. Дефект выявляется до аварии, на стадии скрипа или стука.

• Диагностика за один проезд. Вместо 5-7 дней линия проверяется за 2-3 часа проезда автомобиля, а результат приходит в систему сразу.

• 80% подтверждённых неисправностей. Столько сигналов системы подтверждается при проверке.

• Меньше внеплановых простоев и аварийных ремонтов.

• Низкая стоимость внедрения. Микрофон значительно дешевле вибрационных датчиков на каждый ролик.

• Масштабируемость. Один автомобиль с микрофоном и терминалом покрывает длинную линию, число роликов на стоимость не влияет.

• Безопасность персонала. Меньше аварийных ситуаций рядом с работающей линией.

Проект объединяет искусственный интеллект, акустическую диагностику и телеметрию в единую систему предиктивного мониторинга оборудования.

Думаю, что акустический мониторинг – не панацея, а еще один инструмент. Как способ закрыть задачу поиска неисправностей на длинных конвейерах, решение вполне рабочее. А связка «ИИ находит аномалию → телематика говорит, где она» – это универсальный паттерн, который можно повторить и на других задачах промышленного мониторинга.