Een onderhoudsmonteur met geoefende oren kan een afwijking in een machine direct horen. Toch zijn er steeds minder van dit soort vakmannen. Bovendien kunnen geluidssensoren en slimme algoritmes nog beter dan de mens de locatie van afwijkingen bepalen én iets voorspellen over de degradatie. In een proof of concept met geluidssensoren voerde het Fieldlab Smart Maintenance een test uit bij TataSteel voor inspectie aan transportbandrollen. En met succes.
Leverancier van akoestische camera’s en analysesoftware Sorama onderzocht de inzet van zijn camera’s in een industriële omgeving. Paul van Doorn van Sorama: ‘Wij werken met bedrijven samen om inzicht te geven waar geluid in hun producten of omgeving vandaan komt. Door het geluidsniveau duidelijk in beeld te brengen, kunnen we zien welke componenten het geluid veroorzaken.’ Van oorsprong richtte Sorama zich op het meten van geluid in R&D-omgevingen. In de loop van de tijd ontstond het idee om ook in publieke ruimte geluid te meten. Hier luisteren de camera’s naar de bewegende delen van machines om de conditie ervan te bepalen.
Proof of concept
De samenwerking tussen Sorama en het Fieldlab kwam tot stand via Fieldlab-partner, Semiotic Labs. Simon Jagers: ‘In het Fieldlab Smart Maintenance Techport werken partijen samen vanuit verschillende competenties. Wij voorspellen op basis van spanningsmetingen afwijkingen in installaties. Sorama heeft weer een heel andere manier van het detecteren van bijvoorbeeld defecten of slijtage; detectie op basis van geluid. Dat maak Sorama complementair als partij en interessant om aan te haken bij het Fieldlab.’ De partijen werkten samen aan een user case voor Tata Steel.
Inspecties
Sorama zette geluidscamera’s in om transportbandrollen van Tata Steel efficiënter te inspecteren en inspecteurs te helpen bij het identificeren van versleten rollen. Inspecteurs doen nu door rondes te lopen langs het 55 kilometer lange netwerk van transportbanden. Daarbij luisteren ze of ze defecte rollen horen.
Elisa Bot van Tata Steel: ‘Onze inspecteurs Thomas Boutsma en Johan van der Kruijssen zijn nauw betrokken bij de proof-of-concept en ook erg enthousiast over de vernieuwing. Zij zien voordelen voor hun dagelijkse werk. Het inspecteren van rollen op basis van hun eigen gehoor is tijdrovend en slechts een onderdeel van het takenpakket. Als dit werk kan worden vervangen, is er meer tijd beschikbaar voor het meer inhoudelijke deel van het werk. Daarnaast hopen we dat we door de sensoren nog eerder afwijkingen kunnen horen. Of deze sensoren op plekken te kunnen installeren waar we slecht bij kunnen komen.’
Metingen
Metingen aan de transportband en in een laboratoriumopstelling laten duidelijk verschil zien tussen het geluid van goede, gebruikte en versleten rollen. Een groot deel van de technologie bestaat uit machine learning en artifical intelligence. De proof of concept liet zien dat de sensoren specifiek kunnen aangeven welke rol in een bepaald cluster slijtage vertoont. Bot: ‘Deze technologie maakt het nu al mogelijk om defecte rollen te vervangen. In de toekomst zou deze techniek ook kunnen helpen om te bepalen welk onderhoud prioriteit moet krijgen. Daarmee kunnen we stilstanden verminderen of vermijden.’
