Одним из направлений повышения техногенной безопасности в современных условиях является всеобщая цифровизация в рамках стратегии Индустрии 4.0 [1, 2]. Предполагается, что использование сведений о фактическом техническом состоянии оборудования в информационной системе позволит уменьшить уровень энтропии, снизить затраты на текущее обслуживание и обеспечить безотказность его работы. Расширение возможностей гаджетов, а также использование технологий облачных вычислений может быть одним из возможных путей решения вопроса увеличения объема собираемой и обрабатываемой информации.
Business Insider сообщает, что Amazon работает над продуктом для мониторинга технического состояния оборудования, используя машинное обучение для предсказания необходимости технического обслуживания на основе анализа температуры, вибрации и звука [3]. Завод Anheuser-Busch InBev использует интеллектуальные беспроводные датчики для улавливания недоступных для человеческого уха ультразвуковых сигналов, исходящих от конвейерной ленты и двигателей насосов, с целью прогнозирования отказов оборудования и сокращения времени простоя завода. Пилотный проект был запущен летом 2018 г., а в сентябре 2020 г. Siemens сделала технологию доступной в качестве приложения для смартфона [4].
Компания Siemens предлагает техническое решение для мониторинга электродвигателей — инженер-диагност устанавливает на смартфон специальное приложение [5] и записывает в нем аудиосигнал от работающего двигателя. Первый из записанных аудиосигналов приложение использует в качестве эталона для анализа и оценки того, насколько последующие записи отличаются от эталонного. Если отличие велико, приложение уведомит пользователя. На основании записанных в приложении сигналов можно строить тренды изменения состояния двигателя.
Полученную информацию планируется использовать в рамках реализации стратегий оправданного риска, упреждающего обслуживания, обслуживания по состоянию и др. [6]. Для оптимизации расходов на обслуживание предлагается использовать данные, получаемые из записей в журнале обслуживания, обработанные при помощи кластерного анализа [7]. Примеры использования гаджетов для получения данных о состоянии оборудования показаны на рис. 1.