Ученые ЮУрГУ разработали ИИ-систему для раннего обнаружения дефектов в подшипниках качения, используемых в промышленном оборудовании. Технология позволяет предотвратить аварии и минимизировать убытки от простоев, которые могут достигать миллионов рублей. Вместо традиционного анализа вибрации предложен метод температурного мониторинга: многозонные датчики фиксируют данные в нескольких точках вокруг подшипника, а нейросетевая модель, обученная на эталонных показателях исправного механизма, выявляет аномалии.
Новизна подхода — в повышении точности диагностики за счет многопараметрического анализа и возможности работы в реальном времени без остановки оборудования, включая нестационарные режимы. Система распознает как существующие дефекты (трещины, перегрев из-за недостатка смазки), так и предупреждает о потенциальных сбоях. Результаты выводятся через интуитивный интерфейс с цветовой индикацией.
Разработка защищена свидетельством о госрегистрации программы и применима в металлопрокатной отрасли и других сферах с вращающимися механизмами. Обучение модели занимает 1–3 дня, что упрощает внедрение на производствах.