Как мы научили ML предсказывать смерть насоса за 60 дней и выяснили, что все время чинили не то

Проблема: насос ломался каждые три месяца, простой стоил миллионы рублей в час, а механики раз за разом меняли подшипники — без результата.

Автор рассказывает о четырех «всадниках апокалипсиса» промышленного ML, которые мешали решить проблему, реальной ситуации на заводе и подходе, который был разработан в ходе проекта.

Что сделали: команда предложила не просто мониторить вибрацию, а искать скрытые закономерности в данных всех датчиков, которые косвенно связаны с работой насоса, — и обучила на них модель.

Что получилось: модель начала выдавать аномалии за 60 дней до того, как проблему заметил персонал. Но главным открытием стало не время, а причина поломок.

Результаты проекта:

• Время на подготовку к ремонту сократилось на 70%;
• Простой технологической установки исключен;
• Затраты на обслуживание снижены на 15–20% на одном активе;
• Принято решение о выводе под онлайн‑мониторинг более 50 единиц оборудования

Отдельно рассказываем, как описанный функционал сегодня реализован в платформе Industrial Ocean.