ML предсказал поломку насоса за 60 дней: чинили не то, что нужно

Насос на нефтеперерабатывающем заводе выходил из строя каждые три месяца. Ремонтники регулярно меняли подшипники, но проблема возвращалась — корень был в другом. Инженеры предложили не просто мониторить вибрацию, а найти скрытую закономерность в данных.

Модель машинного обучения обработала исторические показатели и дала упреждение в 60 дней до отказа. Главный сюрприз: виновником оказался не подшипник, а другая деталь, которую раньше не проверяли. Авторы подчёркивают, что сама модель — лишь 20% успеха, остальное — правильная постановка задачи и работа с данными.

Подробности кейса — в статье на Хабре. Это хороший пример того, как ИИ решает реальные промышленные задачи, а не просто генерирует текст.