3DSignals는 건전한 분석을 통해 기계 유지 관리를 해독합니다.

산업용 IoT의 가장 매력적인 측면 중 하나는 수십 년은 아니더라도 수십 년 동안 기존 산업을 괴롭혀온 문제를 해결할 수 있는 센서 기술의 능력입니다. 그러한 문제 중 하나는 기계 유지 보수 및 수리입니다. 최근까지 이러한 유지 관리는 일반적으로 시간이 많이 걸리고 비용이 많이 들며 적절하게 숙련된 작업자를 찾는 문제로 인해 제한적이었습니다.

IoT와 머신러닝의 결합을 통해 이러한 문제에 성공적으로 대응하고 있는 스타트업은 이스라엘 기업인 3DSignals입니다.

더 자세히 알아보기 위해 공동 창립자이자 CEO인 Amnon Shenfeld와 이야기를 나눴습니다. 저는 항상 사람들이 스타트업에 대한 아이디어를 얻는 방법이 궁금합니다. Shenfeld의 경우 간단한 기차 여행으로 시작되었습니다.

Shenfeld는 딥 러닝에 대한 배경 지식을 가지고 있으며 "나는 이러한 소리를 자동으로 보고하고 분류하기 위해 이러한 소리를 인식하도록 신경망을 훈련할 수 있다고 확신했습니다. 기계의 상태에 관한 중요한 정보를 많이 추가하는 소리."

그만두지 않겠다는 생각으로 Shenfeld는 기계 학습, 수학, 전기 공학과 같은 다양한 분야의 친구들과 함께 현지 철강 공장으로 견학을 시작했습니다.

“직원들에게 여기서 자주 실패하는 것이 무엇인지 물었습니다. 그 해답 중 하나는 톱날이었고 강철 프로파일과 빔을 절단하고 있었고 결과적으로 자주 고장이 났을 것입니다. 그들은 우리에게 매우 놀라운 사실을 말했습니다. '우리는 50%의 효율성을 가지고 있으며 철강 산업에서 효율성이 많이 고려되기 때문에 매우 자랑스럽습니다.'라고 말했습니다.

그는 이제 "우리는 소프트웨어 전문가이고 이 모든 돈을 전기, 인력, 장비, 물리적 공간에 투자하면 가동 시간을 50% 이상 얻고 싶을 것이기 때문에 충격을 받았습니다. 그들은 사업을 인수하기 전에 20%를 수행하고 있으며 주요 문제점 중 하나는 예측할 수 없는 블레이드 고장이라고 말했습니다. 블레이드 교체에 최소 20분을 소비하고 생산 라인당 하루 평균 3분을 소비합니다.

"따라서 우리는 톱날을 교체하는 데 하루에 한 시간 이상을 소비하고 있으며, 블레이드가 부서지면 기계에 미치는 잔류 영향은 말할 것도 없습니다. 그들은 기존의 모니터링 기술(예:전류, 온도)을 시도했지만 아무 소용이 없었습니다.”라고 말했습니다.

Shenfeld는 그와 그의 친구들이 도울 수 있다고 생각했고 3DSignals를 만들려는 추진력이 거의 가지 않았습니다.

예방 유지보수 주기 중단

기계 유지 관리는 일반적으로 정해진 일정에 따라 개별 기계를 검사하기 위해 각 공장/공장/작업장 주변에 사람을 보내야 하는 힘든 과정입니다. 전통적으로 엔지니어에게 의존하여 이상 징후를 식별하고 그에 따라 대응합니다.

Shenfeld가 설명했듯이 "사람들은 예를 들어 자동차에서 (소리가 나는지 확인하기 위해) 정상적이거나 약간 이상하게 들릴 때와 같이 음향에 많이 의존했습니다. 같은 방식으로 펌프 소리를 들을 수 있는 기술자는 펌프가 잘 작동하는지 아닌지를 알려줄 수 있습니다.”

실제로 3DSignals는 센서 기술을 활용하여 소리를 통해 기계를 모니터링하는 최초의 IoT 회사입니다. 그들의 시스템은 "유사한 기계가 어떻게 소리를 내어야 하는지에 대한 지식과 특정 기계의 매우 특정한 음향 음향 학습을 기반으로 하여" 다양한 기계로 확장할 수 있습니다.

이는 인간의 프로세스와 매우 유사합니다. 기계 그룹을 모니터링하는 유지보수 엔지니어와 이야기하면 각 기계의 정상 여부를 알고 이 시스템이 신경망으로 이 동작을 에뮬레이트합니다. 즉, 딥 러닝.”

이 모든 것이 유지보수의 효율성을 높이고 문제를 예측하는 능력으로 이어지므로 엔지니어는 기존의 예방 유지보수 기간 내에서만이 아니라 필요에 따라 대응할 수 있습니다.

3DSignals 시스템에는 사용하기 쉬운 플랫폼과 클라우드가 함께 제공됩니다. 즉, "음향 샘플을 모터, 펌프, 밸브 제조업체에 보낼 수도 있어 매우 자연스러운 지식을 제공할 수 있습니다." 그는 에너지 산업과 자연스럽게 관련이 있다고 말했습니다. "옆에 사람 없이 너무 많은 터빈을 돌리고 있습니다... 그들은 펌프를 수리하기 위해 일상적인 유지보수를 하러 왔습니다. 그런 다음 완전히 다른 장비가 있다는 것을 알아차립니다. 소리가 나기 때문에 실패합니다. 우리 이전에는 다른 방법이 없었습니다.”

사운드 기술은 특히 딥 러닝 및 알고리즘에서 음성 인식에 대한 학계에서 주로 연구되었습니다. Shenfeld가 언급했듯이 “우리는 소프트웨어 및 알고리즘 개발과 자동 청력 개발의 최첨단에 있습니다. 매우 흥미진진합니다.”

Elon Musk도 Space X Falcon 9 폭발을 해결하기 위해 미스터리 사운드에 의존했습니다.

Shenfeld는 회사에 자신의 아이디어를 발표할 때 적합한 직원으로 가득 찬 회의실에 질문했다고 설명합니다. “기계가 소리로 어떻게 작동하는지 알고 있습니까? 절대 안 돼.” 광업에서 농업, 자동화된 자동차에 이르기까지 다양한 분야와 자연스러운 친화력을 지닌 기술로 3DSignals에 대해 들은 것은 이번이 처음이 아닙니다.