Ещё несколько лет назад вопрос применения искусственного интеллекта в промышленности считался если и не фантастическим, то точно делом достаточно отдалённого будущего. Будучи представителями весьма консервативной отрасли, производственники в массе своей достаточно скептически относились к исследованиям в области автоматических алгоритмов, машинного обучения, больше доверяя традиционным подходам с привлечением подготовленных специалистов. Особенно ярко такой подход проявлялся в области технической диагностики: даже в таком технически развитом и во многом автоматизированном направлении, как вибрационная диагностика, предпочтение традиционно отдавалось работе опытных экспертов. Системы автоматической диагностики же либо строились на алгоритмах, разрабатываемых самими экспертами для конкретных агрегатов, либо наряду с достоинством универсальности обладали недостатком низкой достоверности.
Однако, время не стоит на месте и применительно к промышленности всё чаще используются такие термины как «цифровизация», «цифровой двойник», «машинное обучение», «большие данные». Этому, с одной стороны, способствует государственная стратегия развития искусственного интеллекта, с другой — необходимость совершенствования оборудования и технологий наряду с оптимизацией существующих процессов и затрат. В этой парадигме особое значение приобретает возможность снижения влияния человеческого фактора, более рационального использования человеческих ресурсов, обеспечение своевременности диагностики и достоверности прогнозирования состояния промышленного оборудования. Чем большее количество технических параметров доступно для анализа, тем более высокой точности диагностики и прогнозирования возможно достичь — однако, с другой стороны, здесь вступает в дело человеческий фактор: как бы не был высок профессионализм диагноста, в условиях работы с огромными потоками данных весьма велика вероятность ошибки. Собственники и руководители предприятий встают перед выбором: либо бесконечно увеличивать численность команды диагностов и вкладываться в их подготовку, либо обратить взор на достижения в сфере информационных технологий. Современные возможности вычислительной техники способны обеспечить обработку практически любого доступного объема информации, к тому же предоставляют новые, ранее недоступные возможности: обработка больших данных, машинное обучение, нейронные сети — все эти методы обещают значительное снижение доли человеческого труда вплоть до полной автоматизации процесса диагностики и прогнозирования. Огромные преимущества и возможности обещает внедрение Цифрового Двойника — комплексной динамической модели оборудования или процесса, предназначенной для оценки поведения реального объекта в заданных условиях с учетом воздействия внешней среды [1]. Неотъемлемыми частями комплексных цифровых двойников сейчас являются диагностика (преимущественно по параметрам вибрации и температуры) и цифровая обработка сигналов, работающие в связке с математическим моделированием. Технология цифровых двойников действительно способна стать мощнейшим инструментом для обеспечения бесперебойной и бережливой эксплуатации сложных промышленных агрегатов и производственных систем в целом — но и к ее внедрению необходимо подходить осознанно.