L'IA può rilevare difetti strutturali in macchinari complessi dalle registrazioni sonore ?

Le macchine spesso emettono sottili firme acustiche prima di guastarsi, e recentemente l'IA ha mostrato promesse nella diagnosi di problemi come l'usura dei cuscinetti o il disallineamento semplicemente ascoltando. Questa capacità consentirebbe la manutenzione predittiva in settori in cui i tempi di inattività sono costosi. Colma il divario tra percezione sensoriale e diagnosi tecnica, combinando fisica, ingegneria e analisi dei dati sensoriali.

I ricercatori hanno compiuto progressi significativi nell'uso dell'intelligenza artificiale per rilevare difetti strutturali in macchinari complessi dalle registrazioni sonore. Questo approccio, noto come analisi acustica o monitoraggio delle condizioni basato sul suono, prevede l'addestramento di modelli di machine learning su ampi dataset di registrazioni audio di macchinari in vari stati di funzionamento. Analizzando gli schemi e le anomalie in queste registrazioni, gli algoritmi di IA possono identificare potenziali problemi come ingranaggi disallineati, cuscinetti usurati o altri problemi meccanici. L'uso di tecniche di deep learning, in particolare reti neurali convoluzionali, si è rivelato efficace nell'estrarre caratteristiche rilevanti dai segnali audio e nel rilevare i guasti con elevata precisione. Questa tecnologia ha potenziali applicazioni in settori come la produzione, l'aerospaziale e l'energia, dove la manutenzione predittiva può aiutare a prevenire guasti alle apparecchiature e ridurre i tempi di inattività. Diversi studi hanno dimostrato l'efficacia di questo approccio nel rilevare difetti strutturali in macchinari complessi, inclusi riduttori, pompe e turbine eoliche. Lo sviluppo di modelli di machine learning più avanzati e di dataset più ampi dovrebbe ulteriormente migliorare la precisione e l'affidabilità di questa tecnologia. Con l'evoluzione del settore, ci si aspetta una diffusione sempre maggiore dell'analisi acustica nei contesti industriali.

+- somministrato 13 maggio 2026 · Fonte: IEEE — National Institute of Standards and Technology