УДК 330.34
DOI: 10.36871/ek.up.p.r.2025.05.07.020
Авторы
Абдул-Халид Абдул-Муслимович Айбуев,
Хамид Шамильевич Насуров,
Грозненский государственный нефтяной технический университет имени академика М. Д. Миллионщикова, Грозный, Россия
Аннотация
В статье рассматривается подход к автоматизации диагностики промышленного оборудования с использованием языка программирования Go и методов машинного обучения. Основное внимание уделено архитектуре системы, ориентированной на снижение совокупной стоимости владения (TCO) за счёт оптимизации капитальных (CAPEX) и операционных затрат (OPEX). Применение Go обосновано его высокой производительностью, простотой масштабирования и экономической эффективностью при разработке микросервисов. Методы машинного обучения, включая алгоритмы классификации, регрессии и обнаружения аномалий, используются для предиктивной диагностики, что позволяет сократить количество внеплановых простоев, повысить коэффициент использования оборудования и улучшить ключевые финансовые показатели — ROI, NPV и IRR. Проведённая экспериментальная оценка на основе телеметрических данных SCADA подтвердила, что предлагаемая система позволяет достичь сокращения операционных расходов до 30% и окупаемости вложений менее чем за 12 месяцев. Полученные результаты демонстрируют экономическую целесообразность внедрения автоматизированных систем диагностики, основанных на Go и ML, в промышленной среде.
Ключевые слова
машинное обучение, диагностика оборудования, предиктивное обслуживание, CAPEX, OPEX, TCO, ROI, SCADA, автоматизация
