Ученые ВМК МГУ разработали передовую методику применения нейронных сетей для оценки остаточного времени работы и классификации дефектов в промышленных установках, обещав повышение надежности и эффективности производственных процессов.
В современной промышленности, где малейший сбой в оборудовании может привести к серьезным авариям и простоям, наличие эффективных методов раннего обнаружения дефектов имеет решающее значение. В последнем исследовании, проведенном ведущими специалистами в области инженерии, была представлена новая методика, основанная на анализе временных рядов вибрационных данных с использованием нейронных сетей с долгой краткосрочной памятью (LSTM).
"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.
Используемые в исследовании метрики, включая метрику F1, подтвердили высокую эффективность предложенной модели в классификации различных типов дефектов. Эксперименты показали, что модель способна эффективно различать фрагменты без поломок, с существенными и несущественными поломками, предоставляя операторам ценную информацию для принятия решений.
"Результаты подтверждают, что наша модель обеспечивает высокую точность классификации, что делает ее незаменимым инструментом для обеспечения безопасности и надежности в промышленных приложениях," – добавила Евгения.
В заключение, разработанная методика представляет собой значительный прогресс в направлении автоматизации процесса выявления и управления дефектами в критически важных промышленных системах. 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.
Результаты исследования были представлены на Всероссийской конференции «Ломоносовские чтения-2024».
Материал: News-w.org / Сергей Коннов по материалам пресс-службы
Фото: пресс-служба
В современной промышленности, где малейший сбой в оборудовании может привести к серьезным авариям и простоям, наличие эффективных методов раннего обнаружения дефектов имеет решающее значение. В последнем исследовании, проведенном ведущими специалистами в области инженерии, была представлена новая методика, основанная на анализе временных рядов вибрационных данных с использованием нейронных сетей с долгой краткосрочной памятью (LSTM).
"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.
Используемые в исследовании метрики, включая метрику F1, подтвердили высокую эффективность предложенной модели в классификации различных типов дефектов. Эксперименты показали, что модель способна эффективно различать фрагменты без поломок, с существенными и несущественными поломками, предоставляя операторам ценную информацию для принятия решений.
"Результаты подтверждают, что наша модель обеспечивает высокую точность классификации, что делает ее незаменимым инструментом для обеспечения безопасности и надежности в промышленных приложениях," – добавила Евгения.
В заключение, разработанная методика представляет собой значительный прогресс в направлении автоматизации процесса выявления и управления дефектами в критически важных промышленных системах. 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.
Результаты исследования были представлены на Всероссийской конференции «Ломоносовские чтения-2024».
Материал: News-w.org / Сергей Коннов по материалам пресс-службы
Фото: пресс-служба
Обсудить
Читайте также:
10 апрель 2024, Среда
В МТУСИ применили связку методов машинного обучения для выявления аномалий в интернет-трафике
12 февраль 2024, Понедельник
В МТУСИ изучают возможность использования машинного обучения для предсказания температуры
26 февраль 2024, Понедельник
В МТУСИ исследуют применение искусственного интеллекта для диагностирования аллергических заболеваний
04 декабрь 2023, Понедельник
Ученые МТУСИ разработали нейросеть для распознавания мошеннических транзакций
16 ноябрь 2023, Четверг
Ученые МТУСИ внедрили метод глубокого обучения для сегментации капилляров глаза
Комментарии (0)