随着物联网、工业4.0的出现，制造商正在使用各种类型传感器来收集有关资产的健康信息，这些信息可为预测分析流程提供见解，例如工单生成和预测潜在的设备停机时间。
结合预测算法，非侵入式声学传感器可以在机器出现故障之前就能检测到微弱噪声。

实时检测声音的另一种方法是声学相机，其捕捉声波并以热成像方式可视化它们，然后通过算法分析这些信息，以确定故障的根本原因。例如，在电力传输系统中，这种相机可以确定异常声音的特定点，并利用它来预测部件故障的早期阶段，比如，在输送空气或液体的加压管道系统中，这种相机可以精确检测到维修人员视线之外的泄漏点。

可以将多个声学传感器放置在机器中的目标位置，并将它们连接到无线边缘设备来收集数据，无线边缘设备直接将数据发送和上传到云服务器，在那里可以对数据进行分析。结合资产管理系统和预测分析，可以提供关键资产效率参数的详细信息。

在将制造商的传感器数据集成到物联网平台时，考虑传感器的类型范围非常重要，一些重要的传感器测量温度、电压、振动、电力和湿度。本文提出了一个问题：声学传感器能否有效诊断机器健康?

我们经常根据听到的噪音来诊断机器问题，遗憾的是，人类只能听到20~22000 Hz范围内的声音，还有很多闻所未闻的声音人类无法听到，而人类听力范围之外的声音也能对机器健康产生有价值见解。

机器可持续的声学诊断
根据一些研究，高达40%的工厂能源成本可能是由损耗造成的。当电机开始退化时，机器的整体效率会降低，为了弥补效率降低，电机需要消耗更多能源。这导致额外的电力消耗和更高的电费支出。

使用声学传感器来发现机器缺陷使制造商能够在这种损耗开始之前修复机器，减少停机时间和电力成本，同时延长机器的使用寿命。这可以为运营部门节省大量成本，例如，我们看到有公司将耗电量降低了10%，由于该公司在全球运营着大约5亿台电机，因此节省了大量成本。

机器由相互磨合的运动部件组成，可以产生摩擦和噪音，因此许多机器故障可以通过声音检测。像可见光这样的装置不能用于这种机器，因为光不能通过机器部件，因此无法确定任何关键问题。

超声波传感器倒是很有希望，但是，同样可以检测微小声音的超声波价格昂贵，并且还需要接收器和发射器在机器周围移动——类似医院里的超声波仪器，因此，超声波并不理想。

此外，工业运营商也不喜欢侵入式解决方案，而声学传感器允许非侵入式设置，对工作空间侵入最小。
考虑到上述所有优势，声学传感器和相机完全可以成为物联网预测分析的强大工具。