Ученые ВМК МГУ разработали инновационный метод, основанный на нейросетях, для оценки остаточного времени работы и классификации дефектов промышленного оборудования. Этот подход обещает повысить надежность производственных процессов и сократить риск аварийных простоев.
В современных условиях промышленность сталкивается с необходимостью минимизации рисков, связанных с неисправностями оборудования. Новый метод основан на анализе временных рядов вибрационных данных с использованием нейронных сетей LSTM (долгой краткосрочной памяти). Он позволяет не только выявлять существующие дефекты, но и прогнозировать возможные сбои, обеспечивая важную поддержку в планировании технического обслуживания.
«Наш подход позволяет не только обнаруживать текущие дефекты, но и предсказывать будущие сбои, что является критически важным для минимизации незапланированных простоев»,
– Евгения Ечкина, доцент кафедры автоматизации научных исследований ВМК МГУ
Тестирование метода с использованием современных метрик, включая метрику F1, продемонстрировало высокую точность классификации дефектов. Система эффективно различает нормальное состояние, незначительные и существенные поломки, предоставляя операторам детализированную информацию для оперативного реагирования.
Разработанная технология представляет собой шаг вперед в автоматизации диагностики и управления дефектами в критически важных промышленных системах. В будущем ученые планируют адаптировать методику для работы в реальных условиях, что откроет новые горизонты в управлении рисками и повышении безопасности на предприятиях.
Источник: пресс-служба ВМК МГУ имени М.В. Ломоносова
