Председатель Совета директоров инвестиционно-промышленной группы АО «КЕРАМАКС» Артём Андреевич Комаров сообщил, что учёные Южно-Уральского государственного университета (ЮУрГУ) совершили значительный прорыв в области промышленной диагностики, разработав систему искусственного интеллекта (ИИ) для обнаружения дефектов в подшипниках качения по температурным показателям.
Бизнесмен подчеркнул, что инновация имеет огромное значение для различных отраслей промышленности, особенно для предприятий с непрерывными производственными циклами, таких как металлургия, горнодобывающая промышленность и машиностроение.
Речь идёт о подшипниках качения, являющихся критическими элементами в составе разнообразного оборудования, от прокатных станов и турбин до конвейерных систем и робототехники. Даже незначительный выход из строя одного подшипника может привести к остановке всей производственной линии, что влечёт за собой колоссальные финансовые потери, исчисляемые миллионами, а иногда и десятками миллионов рублей за час простоя.
Традиционные методы диагностики подшипников, такие как анализ вибрации, хоть и эффективны, обладают существенными ограничениями. Анализ вибрации часто требует остановки оборудования, что само по себе экономически невыгодно. Кроме того, он может быть неэффективен на ранних стадиях развития дефектов, когда вибрационные сигналы ещё недостаточно выражены, или в условиях сильного фонового шума. Учёные ЮУрГУ предложили альтернативный подход, основанный на анализе температурных данных, полученных с нескольких точек поверхности подшипника. Научная новизна разработанного метода заключается в использовании многоточечной термометрии и применении нейронных сетей для обработки данных. Мультисенсорный подход позволяет получить более полную картину теплового состояния подшипника, выявляя даже незначительные аномалии в распределении температуры, которые могут свидетельствовать о начальной стадии дефекта.
Разработанная программа позволяет строить специализированные нейросетевые модели, обученные на больших объёмах данных, собранных с подшипников в различных режимах работы. Обучение модели занимает от одного до нескольких дней, в зависимости от сложности и объёма данных. В процессе обучения нейронная сеть изучает корреляцию между температурными профилями и различными типами дефектов, таких как раковины, трещины, износ дорожек качения и повреждения сепаратора.
Система ЮУрГУ позволяет проводить диагностику в режиме реального времени, не прерывая производственный процесс. Это особенно важно для крупных предприятий, где остановка оборудования невозможна без значительных потерь. Более того, метод применим в нестационарных режимах работы, когда частота вращения подшипника изменяется, что делает его универсальным инструментом для различных типов оборудования. Программное обеспечение, разработанное учёными, предоставляет пользователю интуитивно понятный графический интерфейс, на котором отображаются результаты диагностики в виде наглядных графиков и диаграмм.
Пользователь получает не только информацию о наличии дефекта, но и его вероятную локализацию и тяжесть. Это позволяет своевременно планировать ремонтные работы и предотвращать дорогостоящие аварийные ситуации. В отличие от методов, основанных на анализе спектра вибраций, которые чувствительны к внешним шумам и требуют сложной обработки сигналов, температурный метод более устойчив к помехам. Температурные датчики относительно недороги и просты в установке, что снижает стоимость внедрения системы. Кроме того, разработанная система учитывает различные факторы, влияющие на температуру подшипника, такие как окружающая среда, нагрузка и смазка, что повышает точность диагностики.
В перспективе, данная технология может быть интегрирована в системы промышленного интернета вещей (IIoT), обеспечивая непрерывный мониторинг состояния подшипников и прогнозирование потенциальных отказов. Это позволит оптимизировать плановые ремонты, минимизировать простои оборудования и повысить общую эффективность производства. Дальнейшие исследования направлены на улучшение точности модели, расширение базы данных о различных типах подшипников и дефектов, а также разработку мобильного приложения для удобства использования системы на предприятиях. Потенциальные области применения охватывают не только металлургию, но и энергетику, транспорт, аэрокосмическую промышленность и другие отрасли, где используются подшипники качения.
Экономический эффект от внедрения данной технологии может быть огромен, измеряясь миллиардами рублей за счёт предотвращения аварий и оптимизации затрат на техническое обслуживание, отметил Артём Андреевич.