隨著物聯網、工業4.0的出現，制造商正在使用各種類型傳感器來收集有關資產的健康信息，這些信息可為預測分析流程提供見解，例如工單生成和預測潛在的設備停機時間。

在將制造商的傳感器數據集成到物聯網平臺時，考慮傳感器的類型范圍非常重要，一些重要的傳感器測量溫度、電壓、振動、電力和濕度。本文提出了一個問題：聲學傳感器能否有效診斷機器健康？

我們經常根據聽到的噪音來診斷機器問題，遺憾的是，人類只能聽到20~22000 Hz范圍內的聲音，還有很多聞所未聞的聲音人類無法聽到，而人類聽力范圍之外的聲音也能對機器健康產生有價值見解。

光或超聲傳感器問題

機器由相互磨合的運動部件組成，可以產生摩擦和噪音，因此許多機器故障可以通過聲音檢測。像可見光這樣的裝置不能用于這種機器，因為光不能通過機器部件，因此無法確定任何關鍵問題。

超聲波傳感器倒是很有希望，但是，同樣可以檢測微小聲音的超聲波價格昂貴，并且還需要接收器和發射器在機器周圍移動——類似醫院里的超聲波儀器，因此，超聲波并不理想。

此外，工業運營商也不喜歡侵入式解決方案，而聲學傳感器允許非侵入式設置，對工作空間侵入最小。

聲學傳感器可以診斷機器健康嗎？

結合預測算法，非侵入式聲學傳感器可以在機器出現故障之前就能檢測到微弱噪聲。

實時檢測聲音的另一種方法是聲學相機，其捕捉聲波并以熱成像方式可視化它們，然后通過算法分析這些信息，以確定故障的根本原因。例如，在電力傳輸系統中，這種相機可以確定異常聲音的特定點，并利用它來預測部件故障的早期階段，比如，在輸送空氣或液體的加壓管道系統中，這種相機可以精確檢測到維修人員視線之外的泄漏點。

可以將多個聲學傳感器放置在機器中的目標位置，并將它們連接到無線邊緣設備來收集數據，無線邊緣設備直接將數據發送和上傳到云服務器，在那里可以對數據進行分析。結合資產管理系統和預測分析，可以提供關鍵資產效率參數的詳細信息。

機器可持續的聲學診斷

根據一些研究，高達40%的工廠能源成本可能是由損耗造成的。當電機開始退化時，機器的整體效率會降低，為了彌補效率降低，電機需要消耗更多能源。這導致額外的電力消耗和更高的電費支出。

使用聲學傳感器來發現機器缺陷使制造商能夠在這種損耗開始之前修復機器，減少停機時間和電力成本，同時延長機器的使用壽命。這可以為運營部門節省大量成本，例如，我們看到有公司將耗電量降低了10%，由于該公司在全球運營著大約5億臺電機，因此節省了大量成本。

考慮到上述所有優勢，聲學傳感器和相機完全可以成為物聯網預測分析的強大工具。