3DSignals、音響分析で機械メンテナンスを革命化

産業用IoTのセンサーテクノロジーが、長年のメンテナンス課題への解決策を解き放っています。従来の保全は遅く、高コストで、希少な熟練労働力に大きく依存してきました。

イスラエルのスタートアップ3DSignalsが、IoTと機械学習を融合し、音で設備を監視することでこの状況を一変させています。

共同創業者兼CEOのAmnon Shenfeld氏に、アイデアの火種を聞きました。

「電車での移動中に始まりました」とShenfeld氏は振り返ります。「ディープラーニングのバックグラウンドを持つ私は、ニューラルネットワークが機械音を自動認識・分類でき、専門家検証を経て、設備健全性への実用的インサイトを提供できると確信していました。」

彼はデータサイエンティスト、数学者、電気エンジニアの多様なチームを編成し、地元の製鉄所を訪問しました。

「オペレーターに最も頻繁に直面する故障を尋ねました」とShenfeld氏は言います。「鋸刃破損がトップです。50%の効率率——製鉄所としては注目に値します——でも、まだ時間とリソースを浪費しています。」

経営交代前は20%の稼働率で、刃破損が主要なペインポイントでした。交換に20分かかり、ほとんどのラインで日3回交換が必要。機械あたり1時間以上のダウンタイムに加え、刃破砕時の損傷リスクもありました。

既存監視——電流、温度——は効果がありませんでした。Shenfeld氏は3DSignalsの機会を見出しました。

予防保全サイクルの破壊

従来のメンテナンスは、現場エンジニアが固定スケジュールで機械を検査することを要求します。プロセスは労働集約的でリアクティブです。

「歴史的に、技術者は音響——車、ポンプ等——で正常動作を判断してきました」とShenfeld氏は説明します。「ベテランエンジニアなら、ポンプの音を聞くだけで健全かどうか判断できます。」

3DSignalsは、幅広い機械に対してセンサーベースの音響分析を活用した初のIoT企業です。各デバイスの期待される音響シグネチャを学習し、逸脱を検知することで、システムはディープラーニングモデルで専門家の直感をエミュレートします。

結果として、メンテナンスがスケジュールベースから予知ベースへ変わり、エンジニアがダウンタイムに至る前に問題に対処できるようになります。

プラットフォームはクラウドベースでユーザーフレンドリー。音サンプルを機器メーカーと直接共有でき、設計とトラブルシューティングを強化する実世界データを提供します。

音ベース監視は、タービンがしばしば無人運転されるエネルギー分野と自然に整合します。定期チェックで全く異なる機器の故障が発見されることがあります——以前は検出不可能でした。

学術界では長らく音響分析が音声認識で研究されてきましたが、3DSignalsは産業資産向け自動聴覚でフロンティアを押し広げています。

Elon Musk氏もかつて、SpaceX Falcon 9爆発の調査のため謎の音を参照したことがあります。

概念プレゼンテーションでShenfeld氏は見込み客に尋ねます：「機械の音だけで、正常に機能しているか判断できますか？」答えは常に「はい」です。鉱業から農業、自律走行車まで用途は広く、3DSignalsは業界横断的なメンテナンス慣行を再構築する態勢にあります。