ИИ будет предсказывать поломки промышленного оборудования до аварии

Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ представил мультиагентный программно-аппаратный комплекс, который анализирует электрические параметры промышленного оборудования и помогает заранее выявлять признаки неисправностей. Разработка призвана перевести техническое обслуживание от ремонта после отказа к прогнозированию состояния оборудования и планированию работ до возникновения аварийной ситуации. Система была представлена в рамках IV профессиональной конференции для ИТ и инженерного cообщества в нефтегазовой отрасли.
В промышленности выход из строя одного двигателя или насоса может обернуться не только затратами на ремонт, но и остановкой технологического процесса. При этом традиционные методы диагностики не всегда позволяют увидеть проблему на ранней стадии: оборудование проверяют по регламенту или проводят периодические измерения, а неисправность может развиваться между проверками.
Разработчики НИУ ВШЭ предложили другой подход. Система непрерывно анализирует ток и напряжение в трехфазной промышленной сети, выявляет изменения в электрических сигналах и с помощью ИИ-моделей оценивает состояние оборудования, риск отказа и возможный остаточный ресурс.
Данил Швецов, руководитель проекта в отделе прикладных технологических решений Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ
«В промышленном ИИ сложнее всего не модель, а то, что вокруг нее: откуда приходят данные, можно ли им верить и что делать, если они не пришли. Диагностику двигателей мы подключили к универсальному предиктивному ядру, на котором уже работают наши прогнозные сервисы в других отраслях. И заложили правило: на неполных или испорченных данных система не выдает догадку, а сообщает об этом, поскольку доверие к прогнозу на производстве стоит дороже лишнего срабатывания. А когда с данными все в порядке, графики и ИИ-агент помогают инженеру быстро принять обоснованное решение: какая машина, что с ней и в какое окно ее выводить в ремонт».
Одно из ключевых отличий разработки — для диагностики электродвигателей используются электропараметры трехфазной сети: ток и напряжение. При этом дополнительные вибродатчики на корпус оборудования не требуются. Система может работать непрерывно, формируя картину состояния оборудования вместо отдельных точечных измерений.
В основе подхода лежит анализ спектра электрического тока. Разработчики исследовали возможность обнаружения различных неисправностей электродвигателей, включая повреждения подшипников, ротора и статора, а также эксцентриситет воздушного зазора. Для разных типов дефектов характерны изменения сигнала в определенных частотных диапазонах.
Разработка объединяет данные непосредственно от оборудования с информацией из SCADA (система диспетчерского управления и сбора данных), систем технического обслуживания и ремонта и других источников. При этом отраслевые математические модели подключаются к платформе как отдельные ИИ-модули, а сама платформа берет на себя работу с данными, запуском расчетов, версиями моделей и формированием результатов.
Расчеты выполняются внутри контура предприятия. Система может работать без внешних облачных сервисов, а диагностика запускается автоматически по расписанию. Платформа рассчитана на масштабирование от одного двигателя до парка, включающего до 1000 машин. Особое внимание уделено тому, чтобы прогноз превращался в конкретное действие. Помимо определения типа и степени тяжести дефекта и оценки остаточного ресурса, система формирует рекомендацию по обслуживанию. Таким образом, потенциальная авария должна превращаться в заранее запланированный останов оборудования в удобное для предприятия время.
Александр Ерошкин, менеджер лаборатории естественного языка ВШЭ-Яндекс, НИУ ВШЭ в Санкт-Петербурге
«Главное преимущество нашего решения - это неинвазивная установка датчиков электропараметров, которая не требует разбирать двигатель и даже его останавливать. Таким образом комплекс предиктивной аналитики устанавливается на объект легко и не требует практически никаких затрат со стороны клиента. Также преимуществом решения является анализ только электропараметров (величин тока и напряжения) объекта без необходимости получать дополнительные виброданные».
Разработка уже прошла опытно-промышленную эксплуатацию на объекте ЛОКС — Володарский водопровод. Следующий этап — накопление и анализ данных, совершенствование моделей и оценка эффекта от внедрения. В качестве целевых показателей проекта обозначены снижение аварий до 40%, экономия энергии до 15% и сокращение затрат до 30%; эти значения предполагается оценивать по результатам базового и контрольного периодов эксплуатации.
В перспективе такой подход может изменить саму логику технического обслуживания: вместо вопроса «когда оборудование сломается?» инженер получает возможность заранее увидеть признаки деградации и принять решение о ремонте до отказа.
Андрей Даркшевич, заместитель директора Института искусственного интеллекта и цифровых наук ФКН, руководитель стратегического технологического проекта
«С ростом уровня цифровизации промышленности объем информации, поступающей к операторам, стремительно увеличивается. Чтобы своевременно анализировать ее и принимать обоснованные управленческие решения, компаниям приходится либо расширять штат высококвалифицированных специалистов, либо искать инструменты для автоматизации этих процессов. В разработанном нами решении ИИ-агенты выступают в качестве помощников оператора: они анализируют поступающую информацию, выявляют потенциальные проблемы и предлагают варианты действий в соответствии с технической документацией на оборудование, регламентами и внутренними процессами компании. Внедрение подобных решений позволит компаниям комплексно снизить потребность в дефицитных кадрах, минимизировать потери от внеплановых простоев оборудования и сократить затраты на ремонт за счет перехода к превентивному обслуживанию».
Разработка системы ведется в рамках стратегического технологического проекта «Мультиагентная платформа ИИ-решений для отраслевых задач». Стратегические технологические проекты реализуются в рамках Программы развития НИУ ВШЭ на 2025 – 2036 годы, победившей в конкурсе программ стратегического академического лидерства «Приоритет-2030».
Вам также может быть интересно:
Ученые ФКН ВШЭ представили исследования в области тензорных методов на международной конференции в Китае
Исследователи Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ приняли участие в Международной конференции-школе по тензорным методам в математике и вычислениях для искусственного интеллекта (3rd Conference-School on Tensor Methods in Mathematics and Artificial Intelligence Computing). Мероприятие прошло в конце октября в Шэньчжэне (Китай). Одна из работ ученых института получила награду Best Poster Award и вошла в число пяти лучших постеров конференции.
Исследователи НИУ ВШЭ с помощью iFORA показали, куда движется Индустрия 4.0
Высшая школа экономики представила возможности системы интеллектуального анализа больших данных iFORA на форуме Kazan Digital Week. Исследователи проанализировали технологические возможности и угрозы для Индустрии 4.0. С докладом выступил директор Центра стратегической аналитики и больших данных ИСИЭЗ НИУ ВШЭ Константин Вишневский.
«Демографы не боятся заглянуть в будущее»
Один из стратегических технологических проектов (СТП), реализуемых в НИУ ВШЭ, — «Национальный центр социально-экономического и научно-технологического прогнозирования». В рамках этого СТП научные коллективы разрабатывают прогнозы развития различных отраслей. Что представляет собой прогноз в сфере демографии, какие факторы учитываются его авторами и как можно будет использовать его результаты, «Вышке.Главное» рассказал директор Института демографии имени А.Г. Вишневского НИУ ВШЭ Михаил Денисенко.
Физики научили ИИ настраивать пучок частиц в ускорителе
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Института ядерной физики СО РАН разработали RLABC — программу, которая помогает подбирать оптимальные настройки ускорителя частиц с помощью обучения с подкреплением. В компьютерном эксперименте программа настроила модель так, что до конца ускорителя доходило около 70% частиц. Исследование опубликовано в журнале Computer Physics Communications.
«Погружение в машинное обучение — 2026»: от фундаментальных исследований до дискуссий о будущем ИИ
23–24 октября в Высшей школе экономики состоялась пятая конференция «Погружение в машинное обучение» (Fall into ML 2026). За пять лет мероприятие выросло из камерной встречи исследователей в масштабную научную площадку, объединяющую ведущих специалистов по машинному обучению, молодых ученых, студентов и представителей технологических компаний. Юбилейный год стал новым этапом развития конференции: в программу вошли дискуссии с участием международных спикеров, обсуждение совместных исследовательских проектов и мини-курсы по актуальным направлениям искусственного интеллекта.
Мир ИИ: «Ответственность за принимаемые решения останется на людях»
В НИУ ВШЭ прошла V конференция «Погружение в машинное обучение». В ходе панельной дискуссии форума «Прорыв в области искусственного интеллекта: каким станет ИИ и кем станем мы?» эксперты поделились прогнозами, как изменятся наука и ИТ-индустрия через 5–10 лет и какие задачи по-прежнему останутся за человеком.
Программа ТОП ИТ «ПРО» НИУ ВШЭ: первые результаты и перспективные задачи
Программа топ-уровня в МИЭМ ВШЭ — это трек подготовки кадров для ИТ-отрасли, созданный в партнерстве с ведущими российскими технологическими компаниями на программе высшего образования «Информатика и вычислительная техника». На треке обучаются студенты, прошедшие дополнительный отбор с учетом требований индустрии и способные быстро вырасти до уровней мидл и сеньор. Учебный процесс выстроен вокруг конкретных инженерных ролей.
Будущее антропоморфных технологий для дома обсудили ученые на форсайт-сессии в НИУ ВШЭ
23–24 октября в НИУ ВШЭ прошла юбилейная, пятая конференция «Погружение в машинное обучение» (Fall into ML 2026). На форсайт-сессии «Будущее антропоморфных технологий для дома» ученые искали ответы на вопросы, почему человекоподобный робот-помощник пока так и не стал нашей повседневной реальностью, что для этого должно измениться и кто будет отвечать за его ошибки.
«Надежный мост между лабораторным прототипом и работающим сервисом»
До конца года на факультете компьютерных наук НИУ ВШЭ будет завершена разработка третьей очереди системы SmartMLOps — корпоративной платформы, которая упрощает и ускоряет ввод ИИ-моделей в промышленную эксплуатацию. Работа ведется в рамках стратегического технологического проекта НИУ ВШЭ «Мультиагентная платформа ИИ-решений для отраслевых задач». В чем уникальность новой системы и какие задачи она сможет решать, рассказал начальник отдела прикладных технологических решений Института ИИ и цифровых наук ФКН НИУ ВШЭ Хади Салех.
Прогноз в образовании: проектировать перспективные решения и не отставать от реальности
Один из стратегических технологических проектов (СТП), реализуемых в НИУ ВШЭ, — «Национальный центр социально-экономического и научно-технологического прогнозирования». В рамках этого СТП научные коллективы разрабатывают прогнозы развития различных отраслей. Что представляет собой прогноз в сфере образования, какие факторы учитываются его авторами и как можно будет использовать его результаты, «Вышке.Главное» рассказал директор Института образования НИУ ВШЭ Евгений Терентьев.


