ivdon3@bk.ru
В статье рассматривается проблема повышения надёжности устройств многофункциональной индикации (УМИ) в условиях цифровой трансформации производственных процессов. Предложен подход к предиктивной диагностике на основе анализа эксплуатационных и тепловых характеристик УМИ с использованием методов машинного обучения. Проведена классификация УМИ по физико-технологическим принципам и архитектурным уровням, что позволило структурировать диагностические модели. Рассматриваются математические методы предсказания отказов, включая логистическую регрессию, градиентный бустинг (CatBoost) и модели оценки остаточного ресурса. Особое внимание уделено разработке метода теплового профилирования Thermal Emission-Based UMI Profiling (TEB-UP), основанного на анализе тепловых карт и алгоритмах машинного зрения (PCA, автоэнкодеры, CNN). Показано, что температурная неравномерность является чувствительным индикатором деградации, опережающим традиционные показатели отказа. Метод TEB-UP демонстрирует потенциал к интеграции в системы мониторинга и предиктивного обслуживания в рамках концепций Индустрии 4.0 и 5.0.
Ключевые слова: устройства многофункциональной индикации, предиктивная диагностика, тепловое профилирование, остаточный ресурс, машинное обучение
2.3.3 - Автоматизация и управление технологическими процессами и производствами