“飞剪设备剪下钢带后，会产生一个不到一秒的噪声脉冲。通过百度飞桨(PaddlePaddle)深度学习进行AI识别，与典型噪声特征集进行对比，在完成一段时间的生产数据统计后，即可分析整个切割机器是否异常，进行生产执行管理。”谭熠这样介绍“机器听诊大师”在飞剪产线上的应用。在飞桨的助力下，“机器听诊大师”的应用可显著降低机器故障率，减少70%的故障停机，同时，通过科学维修排班，优化备件采购计划，还可使维护成本降低25%,工厂产量提升20%。

　　成立于2016年的硕橙科技，通过噪声识别切入预测性维护领域，致力于帮助企业实现生产环节实时监测、设备故障预判、产品自动化质检和环境异常报警。

　　公司主营产品“机器听诊大师”通过布置在工业环境中的橙盒(SC Box)收集机器设备运转噪声，从中提取声音特征值，利用机器学习和AI算法识别工业设备的实时运行状态以及各零部件的健康指标。

　　过去，在“机器听诊大师”出现前，细微变化的噪声中存在着多少与机器故障相关的安全隐患，鲜为人知;如今，在国家大力倡导奔向“工业4.0”的今天，关于生产浪费的困惑，关于设备噪声的忽视，依然无时无刻不在发生着。

　　连不上的中国工业“接口”

　　对于国内绝大多数的生产企业而言，生产状态的监控和设备的预测性维护是企业的两大重要场景，而打通这两大场景的要点在于实现数据跨接口、跨设备、跨平台的互通互联。然而，互通互联在当前企业智能化建设过程中依然是普遍存在的难题。

　　通常工厂主要通过机器的数据接口来判断机器状态(开机，装料、送料、加工等)，并进行工作状态统计。每天机器可以生产多少，良品率多高，这些数据对企业而言，无疑是一笔宝贵的财富。但如今很多工厂，尤其是传统行业，常常忽视对设备的维修养护，导致设备加快老化，还有些设备从未配备任何数据接口，这都极大地影响了整体生产数据的沟通和调用。而想要重新启用接口，一方面动辄几十万的维修成本让企业难以接受，另一方面，在这些“老古董”面前，供应商也是有心无力。此外，更为严重的是由于设备产地、厂商的不同，每家工厂的机器接口也不尽相同，甚至还存在着数据协议的通信问题，导致专家工程师也难以找到合适的维护方法。有些从未使用过的接口甚至还需要付费才能开通，这同样是一笔高额的支出，无形中给设备集中管理增添了难度。

　　事实上，这些问题在外企中也普遍存在。维修成本、使用成本、调用难度等“历史遗留”问题，让这些 “插不上”的接口不仅直接影响了企业的生产成本和效率，还延缓了中国工业4.0的进程。

　　设备噪声背后的“玄机”

　　无法与设备接口相连，是不是就只能让这些重要的设备信息浪费掉呢?

　　正如开篇所讲，工业设备产生的噪声对企业而言是一笔宝贵的财富。设备在运转的过程中，每一个“节奏”都暗藏玄机。刮擦声变大，可能是缺少润滑油，振幅频率变大，可能是螺丝松动...…这些看起来微小的变化，却都有可能极大地影响整个生产线的正常运行。

　　当然，识别出机器噪声的细微变化对工厂的老职工而言并非难事，多年的经验让他们有了“异于常人”的听力，能够做到“听声辨位”。然而，面对人力资本提高、老职工退休、年轻人不愿意下工厂的现状，这种方法正在逐步“失效”。

　　交给AI!

　　同图像识别一样，AI也可以在收集大量声音信息后重新定义“噪声”。在百度飞桨助力硕橙科技的“机器听诊大师”解决方案中，AI可以代替人耳，深入到恶劣的工厂环境中，通过噪声对各种机械状态进行识别、检测、统计，并进行设备健康度的评估。这些功能的实现不再需要在设备上开设新的接口，仅需通过网络便可使数据互联，继而实现对设备的预测性维护。

　　例如，在某工厂的SMT机器状态识别中，“机器听诊大师”能够通过布置在SMT高速贴片机和印刷机上的橙盒，实时获取设备的生产噪声，通过预先训练的机器状态识别神经网络对生产噪声特征数据进行识别处理，实现SMT产线生产量的实时统计。

　　其中，机器状态识别神经网络就是借助百度飞桨的框架搭建而成。其包含两层使用大卷积核的卷积层和一层池化层，最后在连接双层全连接层后输出识别结果，可最大化识别效率和准确率。例如，基于飞桨搭建而成的刀具工序识别神经网络，帮助某车间刀具产品加工中心完成了切割动作的识别，在仅获得少量训练数据的基础上就获得了高达95%以上的识别准确率。

　　“机器听诊大师”的应用，不仅可提高设备管理智能化，避免因设备故障引起的计划外维修加班，还可整体提高生产线设备开动率，促进性能和良品率的提升。经过半年的应用，目标设备综合效率OEE提升了2-5%。

　　“机器听诊大师”作为易实施、高投入产出比的设备预测性维护方案。从需求调研开始，一般只需3个月的时间就能落地应用，且由于是非接触性方案，无需改造生产线，更无需停工，不需要额外的操作或应用培训就能直接使用。硕橙科技服务的某汽车零配件客户使用“机器听诊大师”后，投资回报达到了300%以上。

　　有产品的地方，就一定有生产线。这样的“硬核技术”也并非仅局限在金属等重工业生产，在日化厂、卷烟厂，“机器听诊大师”也同样可以发挥作用，“例如生产纸尿裤需要刀具的配合，刀具切的次数越多，粘在刀刃上的纸尿裤原片的胶就越多，导致下一次切片不均匀、切不断，而这些异常、故障都会在噪声上面有所表现，因此，我们可以通过刀具切割声音的变化来判断什么时候需要对刀具进行维护或者更换，以保障生产线正常运行。” 谭熠解释道。

　　硕橙科技目前服务的客户有中国烟草、宝洁集团、肯纳金属、中国商飞、中冶赛迪等大型国内外知名企业，应用涵盖了空压机、卷包机、CNC刀具、水泵、SMT贴片机等众多场景。

　　从“因人而异”到“因AI恒定”

　　在传统工厂车间里，工人与设备一直是相互制约的两个因子。工人偷个懒，设备就势必要“出幺蛾子”，常常会出现因工人对生产状态监控不到位，导致生产效率低下的情况。而AI的作用，就是要让工业生产从“因人而异”变成“因AI恒定”。

　　“多数企业很难时刻观察机器的工作状态，因为那样会耗费大量的人工成本。而人工方面又存在着太多的变化因素。” 谭熠在介绍他的客户经历时说，“工人在记录生产状态时，瞒报、漏报、数据不准等问题时有发生，甚至还会出现因工人间闹矛盾而使生产节奏停下来的情况。以往，这些问题都会不同程度地耽误生产进度，而现在，在AI的帮助下，企业有机会将生产损失降到最低。

　　此外，AI还可较大程度上改善因设备质量参差不齐带来的损失。例如在工厂生产钢带时，正常钢带切割机规定每切2400次或14000次就需要更换修理，但由于设备的个体差异，可切割的次数也会有所变化。在某种条件下，有些切割部件只能切2000次便需要汰换，而有些切15000次还没达到报废的指标。工人若一味按照计划或出厂指导来安排更换备件，无疑会造成损失和浪费。通过噪声识别，则能对这些设备做好预测性维护，让工人实时了解刀具设备的状态，在保障生产要求的同时，最大化其使用寿命，减少不必要的浪费。

　　具体到像烟草这样的行业，AI所带来的变化更是显而易见。烟草行业核心设备普遍价格昂贵、自动化程度高，同时设备零部件繁多、运行状况复杂，常用监测手段难以奏效，维保难度大，维护成本居高不下。面对如此高的难度，“机器听诊大师”却可以有效减少继发性损坏的发生，降低运维成本。今年4月，硕橙科技更是通过这套系统及时向某烟草公司设备管理者发出了报警信息，避免了非计划停机带来的损失。

　　坚定不移的AI推进之路

　　“听声辨位”，硕橙科技的突发奇想对工业生产起到了不小的正面作用，然而，在推行这一技术应用时，硕橙科技也着实经历了一段艰难的日子。作为全国第一家把噪声识别应用到设备预测性维护领域的技术企业，硕橙科技要面对的是机遇，更是质疑。在全球制造业整体低迷的形势下，如何让企业生产者相信AI的力量，了解预测性维护的重要性成了困扰整个团队的难题。

　　“最开始，懂预测性维护的客户不多，他们对我们这个东西都抱着怀疑的态度，但是我们从来没有动摇过，我亲自进入一个个工厂现场安装设备、收集数据。从最开始的笔记本，到后来的嵌入式系统，再到采感一体的橙盒，经过一次次实践和验证，最终获得了客户的认可，在这个过程中，我们从5个人的创始团队逐渐发展到了30多人，我们的技术也通过不断的提升达到了行业领先。”

　　谭熠回忆起了在工厂写代码的岁月：“在工厂奔波会有特别强烈的压迫感，因为工厂的上下班时间，是完全不受你控制的，你必须在既定的时间内把它们都调试好，让整个系统顺畅运行，这与自己在办公室的感受是截然不同的。”

　　由于工厂环境复杂、实际故障种类繁多，想要构建一个流程化的体系去分辨机器故障类型需要团队找到一套正确的方法论，以免走了弯路。因此，谭熠带领他的团队，从最常见的机械故障类型出发，经过大量的测试和分析，研发出了一套完善的体系。如今，这套体系已经能够分辨70%左右的工业设备故障问题。

　　“这已经是非常大的一个市场了。”谭熠笑道。

　　驶向更多中国工厂的百度飞桨

　　对于“不堪其扰”的工业噪声，我们习惯性地敬而远之，但在谭熠的耳中，它却成了能为企业降本增效、为中国工业4.0添砖加瓦的“天籁之音”，“机器听诊大师”的应用让人们再一次看到了深度学习在工业生产中的重要意义，而百度飞桨作为“大师”背后的技术支撑也充分展现了国之重器应有的担当。

　　作为中国首个也是国内唯一全面开源开放、功能完备的产业级深度学习平台，百度飞桨已经成为全面推动国内产业智能化升级的重要基石。正如飞桨在第六届世界互联网大会

　　入选“世界互联网领先科技成果”那样，其正以技术领先、功能完备、生态丰富等特点向世界展示着中国科技的力量。同时，借助百度大脑与百度智能云的“云+AI”领先技术，更多企业也正上演着工业强国的故事。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。