3DSignals Menggunakan Analitik Suara untuk Merevolusi Pemeliharaan Mesin
Teknologi sensor IIoT industri membuka solusi untuk tantangan pemeliharaan yang berkepanjangan. Pemeliharaan tradisional telah lambat, mahal, dan sangat bergantung pada tenaga kerja terampil yang langka.
Startup Israel 3DSignals mengubah hal ini dengan menggabungkan IoT dengan pembelajaran mesin untuk memantau peralatan melalui suara.
Saya berbicara dengan Amnon Shenfeld, pendiri dan CEO, untuk mempelajari bagaimana ide itu muncul.
“Itu dimulai dalam perjalanan kereta api,” ingat Shenfeld. “Dengan latar belakang deep learning, saya yakin jaringan saraf dapat secara otomatis mengenali dan mengklasifikasikan suara mesin, dan—setelah verifikasi ahli—menyediakan wawasan yang dapat ditindaklanjuti tentang kesehatan peralatan.”
Dia membentuk tim multidisipil dari ilmuwan data, matematisi, dan insinyur elektrik, dan mengunjungi pabrik baja lokal.
“Kami bertanya kepada operator tentang kegagalan yang paling sering dihadapi,” kata Shenfeld. “Pecahan blas giling berada di daftar teratas. Mereka melaporkan tingkat efisiensi 50%—luar biasa dalam pembuatan baja—namun masih membuang waktu dan sumber daya.”
Mereka telah beroperasi pada 20% uptime sebelum perubahan manajemen, dengan kegagalan blas menjadi titik nyeri utama. Setiap penggantian dapat memakan waktu 20 menit, dan sebagian besar garis membutuhkan tiga perubahan sehari. Itu lebih dari satu jam downtime per mesin, ditambah risiko kerusakan saat blas pecah.
Pemantauan yang ada—arus, suhu—terbukti tidak efektif. Shenfeld melihat peluang untuk 3DSignals.
Mengganggu Siklus Pemeliharaan Mencegah
Pemeliharaan konvensional menuntut insinyur lokasi untuk memeriksa mesin sesuai jadwal yang kaku. Proses ini memenuhi tenaga kerja dan reaktif.
“Secara historis, teknisi mengandalkan akustik—mobil, pompa, dll.—untuk menilai operasi normal,” menjelaskan Shenfeld. “Seorang insinyur berpengalaman dapat mengatakan kepada Anda apakah pompa sehat hanya dengan mendengarkan.”
3DSignals adalah perusahaan IoT pertama yang memanfaatkan analitik suara berbasis sensor untuk berbagai macam mesin. Dengan mempelajari tanda tangan akustik yang diharapkan dari setiap perangkat dan kemudian mendeteksi penyimpangan, sistem ini meniru intuisi ahli dengan model deep learning.
Akibatnya, pemeliharaan menjadi prediktif daripada dijadwalkan, memungkinkan insinyur untuk menangani masalah sebelum menyebabkan downtime.
Platform ini berbasis cloud dan ramah pengguna. Sampel suara dapat dibagikan langsung dengan produsen peralatan, menawarkan data dunia nyata yang meningkatkan desain dan troubleshooting.
Pemantauan berbasis suara secara alami menyelaraskan dengan sektor energi, di mana turbin sering berjalan tanpa pengawasan. Pemeriksaan rutin dapat mengungkapkan kerusakan pada peralatan yang sama sekali berbeda—sebelumnya tidak dapat terdeteksi.
Sementara akademia telah lama mempelajari analisis akustik untuk pengenalan suara, 3DSignals mendorong batas dengan pendengaran otomatis untuk aset industri.
Bahkan Elon Musk pernah menyebutkan suara misterius untuk menyelidiki ledakan SpaceX Falcon 9.
Saat mempresentasikan konsep, Shenfeld bertanya kepada klien potensial, “Bisakah Anda mengatakan apakah mesin Anda berfungsi dengan benar hanya dari suaranya?” Jawabannya selalu “ya.” Dengan aplikasi yang berkisar dari pertambangan hingga pertanian hingga kendaraaan otonom, 3DSignals siap untuk mengubah praktik pemeliharaan di seluruh industri.
