Under de senaste åren har akustisk bildteknik för GIS-defektupptäckt utvecklats snabbt. Denna teknik möjliggör intuitiv lokaliserings av ljudkällor, vilket hjälper drift- och underhållspersonal att fokusera på den exakta platsen för GIS-defekter, vilket i sin tur ökar effektiviteten av defektanalys och lösning.
Lokalisering av ljudkällor är bara det första steget. Det skulle vara ännu idealare om vanliga typer av GIS-defekter kunde identifieras automatiskt med hjälp av artificiell intelligens (AI), tillsammans med intelligenta rekommendationer för underhållsstrategier.

Defekter som lösa skruvar, bellowsrörelser och lösa inre sköldkomponenter som orsakar ovanliga ljud kan för närvarande lokaliseras med hjälp av akustisk bildteknik.
På grund av strukturella skillnader mellan GIS-enheter från olika tillverkare och modeller, samt varierande sektionstillstånd över olika ingenjörsvärk, bär de genererade ljudsignalerna ofta inbyggda egenskaper. Detta lägger till komplexitet och tekniska utmaningar vid GIS-defekt-diagnostisering med akustisk bildteknik.

Framsteg kräver nära samarbete mellan akustiska experter och nätverksväxlexperter, integrering av domänkunskap och fältupplevelse för att iterativt testa, förbättra och optimera ingenjörsbaserade metoder och algoritmer för analys av akustiska och vibrationsignaler.

Med kontinuerliga framsteg inom akustisk bildteknik och förbättringar av AI-algoritmernas effektivitet kommer användningen av mer avancerade teknologier att betydligt minska arbetsbelastningen för personal på plats för drift och underhåll.