Robuuste automatische monitoring in industriële omgevingen

Robuuste automatische monitoring in industriële omgevingen

"Oei, dat klinkt niet goed", is vaak de de gedachte wanneer je auto of of keukentoestel een vreemd geluid maakt en je bijgevolg weet dat er iets stuk is gegaan. Hetzelfde gebeurt bij industriële machines en voertuigen wanneer bepaalde componenten beschadiging oplopen of falen. Om tijdig anomalieën en kwaliteitsproblemen in machines te detecteren gebruiken we in het ACMON project microfoons en microfoonsarrays.

In dit ICON project gaat Flanders Make de samenwerking aan met Imec/UGent (IDLab) voor het ontwikkelen van robuuste en kost-efficiënte monitoringoplossingen voor machines en voertuigen in een industriële context. Bekaert, I-Care, Siemens en Stow zijn de industriële partners die meestappen in dit project om de ontwikkelde oplossingen te gebruiken in hun productie- en controleomgeving.

Een falende component in een bewegende of roterende machine zal beginnen trillen. Deze trillingen kunnen worden opgemeten door accelerometers voor vroegtijdige probleemsdetectie. Het aanbrengen van een dergelijke sensor is echter vaak moeilijk of zelfs onmogelijk zonder (een deel) van de machine te de-assembleren. Bovendien moet elke component onder controle van een accelerometer voorzien zijn, wat de nodige kosten met zich meebrengt. Diezelfde trillingen propageren zich echter ook doorheen de lucht in de vorm van geluid. Dit geluid kan dan aan buitenkant van de machine worden opgemeten door een enkele microfoon (of microfoonarray) zonder invasieve methodes te gebruiken.

In dergelijke industriële omgevingen bevinden zich ook veel akoestische stoorbronnen zoals andere machines die geluid maken, mensen die spreken, gereedschap dat op de grond valt, vorkheftrucks, enz. Om foutieve (vals positieven) detectie te vermijden zullen robuuste methodes worden ontwikkeld die gebruikmaken ruisonderdrukkingsmethodes, AI modellen en data augmentation technieken.

Doelstellingen

  • Verhogen van signaal-tot-ruis ratio van de geluidsopnames
  • AI modellen trainen voor robuuste detectie van problemen
  • Gemakkelijke inzetbaarheid, onderhoud en validatie van AI modellen voor akoestische monitoring

Meer informatie?

Wil je graag meer weten over het ACMON project? Laat het ons weten.