在工业生产中，利用声信号对机器和产品进行测试仍然占据着重要地位。在2017年汉诺威工业博览会上，夫琅和费展示了一种认知系统，它能比人的耳朵更客观地检测错误的声音(2号厅，展位C16/C22)。该技术已经成功通过了最初的实际测试，检测出的错误高达99%。
在工业生产中，至关重要的是机器工作和产品没有任何缺陷。因此，生产过程受到持续监测。通过人类，也通过越来越多的传感器，摄像头，软件和硬件。在大多数情况下，基于机器的自动化测试基于可视化或物理标准。只有人类也会自然地使用他们的耳朵:如果听到什么不寻常的声音，为了安全起见，人们会关掉机器。问题是:每个人对噪音的感知都有些不同。因此，是否出错是一种主观的感觉，并表现出对错误的更大的敏感性。
使用数百万的数据记录进行训练
夫琅和费数字媒体技术研究所IDMT开发了基于声学信号准确识别故障的认知系统。该技术方法结合了智能声学测量技术和信号分析、机器学习以及数据安全、灵活的数据存储。“我们将智能监听集成到机器的工业状态控制和自动化测试系统中产品IDMT“工业媒体应用”业务部门的Steffen Holly解释道。一旦经过训练，认知系统就能比人的听觉更客观:它们不是两只耳朵，而是，可以说，以数百万中性数据记录的形式，有成千上万只耳朵供它们使用。与工业界的初步试点项目已经在进行中。研究人员已经能够检测到99%的纯声学缺陷。
分配的声音明显
科学家们确定噪音的可能来源并分析其原因，创建环境的噪音模型，并将麦克风聚焦在那里。霍利说:“模拟人的耳朵是理想的:它通过空气接收声音。”从总信号中，系统计算出背景声音，如人声或叉车驶过的声音。然后与之前确定的实验室纯参考噪声进行反复比较。在人工神经网络的帮助下，科学家们正在逐步开发能够检测错误产生的噪声的算法。“声音信号越干净，认知系统识别偏差的能力就越强，”Holly解释道。该技术非常敏感，它还能显示错误强度的细微差别，并管理复杂任务。一个来自汽车生产领域的例子:在现代汽车座椅中，安装了大量独立的电机，借助这些电机，驾驶员可以单独调整座椅。电机的设计不一样，噪音也不一样，安装在不同的地方。Holly报告说:“在与一家汽车供应商的试点项目中，我们的声学监测系统能够完美地检测到所有的错误源。”
灵活、安全的云数据存储
夫琅和费的研究人员能够通过用户授权以及权限和身份管理来确保收集到的声音信号的数据安全。一个例子是真实和虚拟身份的解耦，以便在不同的人评估数据时不侵犯用户的权利。机器和测试系统通常安装在生产线上。研究人员将他们的声学数据记录存储在一个安全的云中。“我们可以对生产过程中的变化做出非常灵活的反应，并相应地调整我们的认知系统，”Holly提到了另一个优势。
了下:工业自动化
