Задача
Парк станков и насосов на производстве: подшипники изнашиваются, появляется дисбаланс, но узнают об этом обычно по факту аварии и внеплановой остановке. Нужно ловить деградацию до отказа, по вибрации и акустике, прямо у станка. Сырой поток с датчиков наружу гнать нельзя — узкий цеховой канал и нежелание заказчика выносить телеметрию оборудования за периметр.
Главная сложность — данных по авариям почти нет. Оборудование чинят раньше, чем оно ломается насовсем, поэтому размеченных отказов единицы. Плюс режимы работы плавают: смена детали, прогрев, разные обороты — модель не должна принимать штатную смену режима за дефект и будить ремонтную бригаду ложной тревогой.
Подход
Поставили дешёвые MEMS-акселерометры и микрофон на каждый узел, инференс держим на edge-контроллере у станка. Учимся на норме: основа — anomaly detection на спектральных и кепстральных признаках, который описывает «здоровое» поведение узла, а уже поверх отклонений работает классификатор типа дефекта (износ подшипника, дисбаланс, ослабление крепления).
Дрейф режимов снимаем тем, что нормальное состояние держим раздельно по рабочим режимам, а решение об аварии принимаем по устойчивому тренду, а не по одиночному выбросу — это режет ложные тревоги. Наружу с контроллера уходят только события и короткие сводки признаков, не сырой поток.
Стек
edge-контроллер ARM · MEMS IMU + микрофон · ONNX Runtime (INT8) · DSP (спектр/кепстр) · MQTT (события)
Результат
- 9 дней — среднее упреждение по деградации подшипника до отказа.
- −38% незапланированных простоев на пилотном участке.
- 0.7 ложных тревог в неделю на узел — бригаду не дёргаем впустую.
- 16 датчиков на один контроллер без потери частоты опроса.