AI結合聲學檢測　裝置異常狀態明察秋毫

任何深諳設備維護必要性的人都知道掌握設備所發出的聲音和振動有多重要。透過聲音和振動進行適當的設備健康監測，可以將維護成本降低一半，使用壽命延長一倍。而實現即時聲學資料和分析則是另一種重要、基於狀態的系統監測(CbM)方法。

我們可以學著瞭解設備發出的正常聲音為何，如此當聲音出現變化時，才可以確認其已經出現了異常；之後再瞭解是什麼問題，而透過這樣的方式將聲音和特定的問題聯繫在一起。識別異常可能需要進行幾分鐘的訓練，但將聲音、振動和原因結合起來實施診斷可能需要一輩子的時間。經驗豐富的技工人員和工程師可能具備這種知識，但這類人屬於稀有資源，單單透過聲音本身識別問題可能相當困難，即使使用錄音、描述性框架或接受專家親自培訓也是如此。

因此，半導體業者在過去20年裡，一直致力於理解人類是如何解讀聲音和振動的，期能建立一個系統，能夠學習來自設備的聲音和振動，並解譯它們的含義，以檢測異常行為、進行診斷。本文將以ADI的OtoSense體系結構為例進行說明，OtoSense是一種設備健康監測系統，支援我們所說的電腦聽覺，讓電腦能夠理解設備行為的主要指標：聲音和振動。