Ученые ВМК МГУ разработали передовую методику применения нейронных сетей для автоматизированного выявления дефектов и оценки остаточного ресурса в промышленных установках, обещая повышение надежности и эффективности производственных процессов.

В последнем исследовании была представлена новая методика, основанная на анализе временных рядов вибрационных данных с использованием нейронной сети с долгой краткосрочной памятью (LSTM), которая обладает способностью эффективно анализировать последовательные данные и выявлять аномалии.

Эксперименты показали, что модель способна эффективно различать фрагменты без поломок, с существенными и несущественными поломками, предоставляя операторам ценную информацию для принятия решений.

«Наш подход позволяет не только обнаруживать текущие дефекты, но и предсказывать будущие сбои, что является критически важным для планирования технического обслуживания и минимизации незапланированных простоев», – отметила доцент кафедры автоматизации научных исследований ВМК МГУ Евгения Ечкина.

«Результаты подтверждают, что наша модель обеспечивает высокую точность классификации, что делает ее незаменимым инструментом для обеспечения безопасности и надежности в промышленных приложениях», – добавила она.

Дальнейшие исследования будут направлены на расширение функциональности модели и ее адаптацию для использования в реальных условиях, что может кардинально изменить подходы к управлению рисками и техническому обслуживанию в различных отраслях промышленности.