隨著工業4.0的到來，製造商正在使用各種類型的傳感器來收集有關資產健康狀況的信息。這些指標為預測分析流程提供了信息，例如工作單生成和預測潛在的機器停機時間。
在將製造商的傳感器數據集成到IoT平臺中時，必須考慮部署的傳感器類型範圍。 一些最傑出的傳感器可測量溫度，電壓，振動，電和溼度。本文提出一個問題：聲傳感器能否有效診斷機器健康？
我們經常根據是否能聽到噪音來診斷機器的問題。人類只能聽到20至22000赫茲的聲音。然而，超出人類聽覺範圍的聲音也會對機器健康產生有價值的見解。
光或超聲波傳感器問題
由於機器由相互磨削的運動部件組成，從而導致摩擦和噪音，因此可以通過聲學方法檢測到許多機器故障。由於可見光無法穿過資產組件，因此無法確定任何關鍵問題，因此此類機器無法使用可見光等其他手段。
超聲波可以檢測到輕微的聲音，但它價格昂貴，並且需要在機器周圍移動接收器和發射器（類似於醫院中的超聲波機器），因此超聲波並不理想。
另外，工業操作員不喜歡侵入性解決方案。聲傳感器允許無創設置，並且對工作空間的侵入最小。
聲傳感器可以診斷機器健康嗎？
結合預測算法，非侵入性聲傳感器可以在機器故障之前很久就檢測到微弱的噪音。 可以進行頻率分析來分析我們在沒有傳感器的情況下可能聽到的輕微聲像差的發生率。
實時檢測聲音的另一種方法是聲相機，它拾取聲波並以熱成像方式（即在熱圖像中）可視化聲波。 然後可以對這些信息進行算法分析，以確定故障的根本原因。 例如，在動力傳輸系統中，此類攝像機可以確定異常聲音的特定點，並將其用於預測組件故障的早期階段。在運送空氣或液體的加壓管道系統中，此類攝像機可以檢測出維修人員視線之外的確切洩漏點。
可以通過將多個傳感器放置在機器中的目標點並將它們連接到無線邊緣設備來收集此聲學信息，該無線邊緣設備直接將數據傳輸並將其上傳到雲服務器，在此可以對其進行分析。結合資產管理系統和預測分析，可以提供對關鍵資產效率參數的詳細瞭解。
機械可持續性的聲學診斷
根據一些研究，高達40％的工廠能源成本可能是由漏氣引起的。當電動機開始退化時，機器的整體效率會降低。為了彌補效率的降低，電動機會消耗更多的能量。這會導致額外的電力消耗和更高的電費。
利用超人聲波傳感器發現機械缺陷，製造商可以在這種破壞性循環開始前修復機器，在延長機器壽命的同時減少停機時間和電費。這可以為運營部門節省大量資金。例如，我們已經看到一些公司減少了10%的電力消耗。結合預測分析的途徑，這些好處可以進一步提高。
考慮到上述所有優點，聲學傳感器和攝像機可以成為進行預測分析的強大工具。