3DSignals以声音分析革新机器维护
工业物联网传感器技术正解锁长期维护挑战解决方案。传统维护缓慢、昂贵、严重依赖稀缺熟练劳动力。
以色列初创公司3DSignals通过融合物联网与机器学习，利用声音监测设备，扭转此局面。
我与联合创始人兼CEO Amnon Shenfeld对话，了解创意火花。
“始于一次火车旅程，”Shenfeld回忆。“深度学习背景让我确信神经网络能自动识别分类机器声音，经专家验证后交付设备健康可操作洞察。”
他组建数据科学家、数学家、电气工程师多学科团队，造访当地钢厂。
“我们询问操作员最常面临何种故障，”Shenfeld说。“锯片断裂榜首。他们报告50%效率率——炼钢中惊人——仍浪费时间资源。”
管理层变更前运行20%正常运行时间，锯片故障为主要痛点。每次更换耗时20分钟，多数线路每日需三次更换。即每机每天超1小时停机，加上锯片碎裂损坏风险。
现有监测——电流、温度——无效。Shenfeld看准3DSignals机遇。
颠覆预防性维护周期
常规维护要求现场工程师按刚性时间表检查机械。过程劳动密集且被动。
“历史上技术员依赖声学——汽车、泵等——判断正常运行，”Shenfeld解释。“资深工程师仅凭聆听即知泵是否健康。”
3DSignals是首家利用基于传感器声音分析服务广泛机器的物联网公司。通过学习每台设备预期声学特征再检测偏差，系统用深度学习模型模拟专家直觉。
结果，维护从计划性转为预测性，让工程师在停机前解决问题。
平台基于云且用户友好。声音样本可直接分享给设备制造商，提供增强设计和故障排查的真实数据。
基于声音监测天然契合能源领域，涡轮机常无人值守。常规检查可能发现完全不同设备故障——此前不可检测。
学术界长期研究声学分析用于语音识别，3DSignals以工业资产自动听觉推进前沿。
甚至Elon Musk曾引用神秘声音调查SpaceX猎鹰9爆炸。
推介概念时，Shenfeld问潜在客户：“能仅凭声音判断机器运行正常吗？”答案总是“能”。应用跨采矿、农业、自动驾驶汽车，3DSignals有望重塑跨行业维护实践。
物联网技术