Le système entend quand les machines chauffent
Les pannes imprévues de machines coûtent cher. Les émissions sonores des machines peuvent toutefois être analysées à l'aide de microphones relativement bon marché afin de détecter les dommages à un stade précoce.
Une nouvelle Système de surveillance IA par des chercheurs de la Université technique de Kaunas (KTU) de Lituanie analyse, comme l'ont fait autrefois les conducteurs de machines, les émissions sonores afin de détecter à temps les dommages qui se préparent. Les spécialistes estiment en effet que les pannes imprévues de machines coûtent chaque année près de mille milliards de dollars à l'industrie mondiale.
Un arrêt de machine coûteux
"Comme les données sonores sont faciles à collecter en raison des coûts d'installation relativement faibles des microphones pour les installations existantes, les méthodes basées sur les données sonores sont d'un grand intérêt", explique Rytis Maskelinas, informaticien à la KTU. Dans les usines très bruyantes, les émissions sonores des machines sont toutefois masquées par des bruits étrangers, ce qui conduit souvent à des interprétations erronées. Ainsi, des dommages qui n'existent pas sont signalés. La conséquence en est un arrêt coûteux des machines.
Maskelinas et ses collaborateurs utilisent une méthode de détection des dommages qui s'appuie sur des données sonores réelles provenant de machines industrielles en parfait état de marche. L'algorithme que les chercheurs ont développé en Lituanie compare ces données avec les émissions sonores de la machine sur laquelle les défauts doivent être détectés. Au cours d'un processus d'entraînement, le logiciel apprend en quelque sorte à se concentrer uniquement sur les bruits de "sa" machine et à ignorer les autres bruits.
Utilisation dans les pays pauvres
Les machines modernes sont équipées de nombreuses sortes de capteurs qui assurent une détection précoce fiable des dommages. Mais il existe encore, surtout dans les pays moins développés, d'innombrables installations qui ne sont pas aussi bien équipées. C'est pour elles que Maskelinas a développé ce système. Il s'est appuyé sur un vaste ensemble de données de bruits provenant de quatre appareils techniques. Il est prévu d'élargir ce jeu de données à d'autres systèmes.
