ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В СИСТЕМЕ ПРЕДИКТИВНОГО ОБСЛУЖИВАНИЯ ОБОРУДОВАНИЯ НА ПРЕДПРИЯТИЯХ ПЕРЕРАБАТЫВАЮЩЕЙ ПРОМЫШЛЕННОСТИ

УДК 004
DOI: 10.36871/26189976.2026.06.021

Авторы

София Григорьевна Касько,
Студент 2 курса, институт педагогики и психологии, Орловский государственный университет имени И.С. Тургенева, Орел, Россия
Али Анварович Халидов,
Кандидат технических наук, доцент кафедры «Цифровые системы и модели», Казанский государственный энергетический университет, Казань, Россия
Владислав Евгеньевич Вилков,
Преподаватель, Северо-Западный институт управления РАНХиГС, Санкт-Петербург, Россия

Аннотация

В статье рассматривается применение искусственного интеллекта в системе предиктивного обслуживания оборудования на предприятиях перерабатывающей промышленности. Обосновано, что интеллектуальная обработка вибрационных, температурных, энергетических и технологических параметров позволяет заблаговременно выявлять деградационные процессы, прогнозировать остаточный ресурс узлов и снижать вероятность аварийных остановок. Особое внимание уделено машинному обучению, нейросетевой диагностике, цифровому профилю оборудования и интеграции предиктивной аналитики в контур автоматизированного управления производством. Актуальность темы подтверждается современными исследованиями, где предиктивное обслуживание связывается с сокращением незапланированных простоев и повышением эксплуатационной надёжности оборудования.

Ключевые слова

искусственный интеллект
предиктивное обслуживание
перерабатывающая промышленность
машинное обучение

Список литературы

[1] Бондаренко Ю.А., Явурик О.В., Ломакин В.В. Применение инструментов предиктивной аналитики для прогноза восстановления крупногабаритного оборудования // Научный результат. Информационные технологии. – 2024. – Т. 9, № 3. – С. 10–18. DOI: 10.18413/2518-1092-2024-9-3-0-2.

[2] Бухтояров В.В., Некрасов И.С., Тынченко В.С., Башмур К.А., Сергиенко Р.Б. Применение прогнозирующих алгоритмов машинного обучения к процессам нефтепереработки в рамках интеллектуальной автоматизации // Научные труды НИПИ Нефтегаз ГНКАР. – 2022. – № S1. – С. 12–20. DOI: 10.5510/OGP2022SI100665.

[3] Золотухина М.А., Золотухин С.А., Ивченко В.Д. Интеллектуальная система регулирования технической диагностикой роторного оборудования с помощью машинного обучения // International Journal of Professional Science. – 2021. – № 6. – С. 68–73.

[4] Кожевников А.В., Илатовский И.С., Соловьева О.И. Применение методов машинного обучения в рамках прогнозирования состояния электромеханических систем прокатного производства // Вестник Череповецкого государственного университета. – 2017. – № 1. – С. 33–39.

[5] Королев В.И. Методы прогнозного мониторинга технического состояния электрических машин // Электротехнические и информационные комплексы и системы. – 2023. – Т. 19, № 2. – С. 62–72. DOI: 10.17122/1999-5458-2023-19-2-62-72.

[6] Кузьменко В.П., Солёный С.В. Модель предиктивного обслуживания для управления качеством сетей светодиодного освещения // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. – 2023. – Т. 21, № 3. – С. 155–169. DOI: 10.18503/1995-2732-2023-21-3-155-169.

[7] Мухамеджанов А.И., Хабибуллин И.И. Обзор методов машинного обучения для прогнозирования технического состояния газотурбинных двигателей // Вестник КГТУ им. А.Н. Туполева. – 2023. – № 3. – С. 70–77. EDN: FDWPBA.

[8] Полетаев А.А., Яблоков А.Е. Нейросетевой метод технической диагностики оборудования по спектрам виброскорости и виброускорений // Известия Тульского государственного университета. Технические науки. – 2024. – № 6. – С. 115–123.

[9] Сай Ван Квонг, Щербаков М.В. Архитектура системы предсказательного технического обслуживания сложных многообъектных систем в концепции Индустрии 4.0 // Программные продукты и системы. – 2020. – Т. 33, № 2. – С. 186–194. DOI: 10.15827/0236-235X.130.186-194.

[10] Салихов М.Р., Юрьева Р.А. Алгоритм прогнозирования состояния оборудования на основе машинного обучения // Известия высших учебных заведений. Приборостроение. – 2022. – Т. 65, № 9. – С. 648–655. DOI: 10.17586/0021-3454-2022-65-9- 648-655.

[11] Чернухин А.В., Богданова Е.А., Савицкая Т.В. Построение модели предиктивной аналитики неисправностей промышленного оборудования // Программные продукты и системы. – 2024. – Т. 37, № 2. – С. 254–261. DOI: 10.15827/0236-235X.146.254-261.

[12] Яковлева М.В., Шалина А.И. Алгоритм принятия решений о внедрении предиктивного обслуживания оборудования на высокотехнологичных предприятиях // Вопросы инновационной экономики. – 2023. – Т. 13, № 1. – С. 159–172. DOI: 10.18334/ vinec.13.1.117426.