Предложен способ «слышать» поломки станков с минимальными затратами

8 ч назад 1

Для этого применили новую методику, которая сократила время подготовки нейросети почти на 80%, сообщил доцент кафедры системного программирования ЮУрГУ Амир Аль-Аасам.

Источник: ТАСС

ЧЕЛЯБИНСК, 19 ноября. /ТАСС/. Международный коллектив ученых из России, Ирака и Австралии разработал модель искусственного интеллекта, которая распознает неисправности оборудования по звуку. Для этого применили новую методику, которая сократила время подготовки нейросети почти на 80%, сообщил ТАСС доцент кафедры системного программирования ЮУрГУ Амир Аль-Аасам.

«Для того чтобы решить проблему дисбаланса, мы применили технику SMOTE: синтетическое достраивание редких образцов. Главным нововведением стал “справедливый” протокол разделения данных: мы не делили записи просто по классам, а учли иерархию, где учитываются каждый уровень шума, тип машины, конкретный экземпляр оборудования и его состояние. Это и позволило сократить время почти на 80%», — сказал собеседник агентства.

Исследователь отметил, что предложенная модель превзошла существующие решения по большинству ключевых показателей, причем преимущество особенно заметно в условиях сильного производственного шума. Кроме того, использование динамического контроля позволило сократить время обучения нейросети для отдельных видов оборудования примерно с 56 до 11 минут.

Ученый пояснил, что в основе технологии лежит анализ акустических сигналов промышленного оборудования. Дело в том, что каждая работающая машина обладает собственной «акустической подписью», а появление неисправностей меняет характер звучания. Модель обучалась на базе открытого промышленного набора данных MIMII, содержащего реальные записи работы насосов, вентиляторов, клапанов и направляющих, полученные в условиях действующих предприятий.

Как показали испытания, при слабом фоновом шуме модель безошибочно выявляла неисправности у всех исследуемых механизмов. При более сложных условиях точность оставалась высокой. Так, для насосов показатели достигали 94,8% при уровне шума 0 децибел и 93,4% при шуме минус 6 децибел. Даже наиболее сложные для диагностики вентиляторы система распознавала более чем в 91% случаев.

По словам ученого, предложенный метод не требует специальной предварительной очистки звуковых сигналов от шума. В дальнейшем технологию проверят на других промышленных массивах данных, испытают в режиме непрерывного мониторинга оборудования.

Читать статью полностью