Предиктивное обслуживание электродвигателей «НПО ЭЛМЗ»

НПО ЭЛМЗ — электромашиностроительный завод в Новосибирске, производит электродвигатели 4АЗМ и питательные насосы ПЭ. Оборудование работает на промышленных предприятиях по всей России, где отказ двигателя означает остановку производства и серьёзные финансовые потери.

Завод проводил обслуживание по регламенту — плановые ремонты по графику. Но это значит, что часть узлов менялась заранее, когда ещё работала, а часть — выходила из строя между плановыми ТО, вызывая внеплановые остановки. Мы предложили предиктивное обслуживание: модель предсказывает износ до поломки.

Предиктивное обслуживание на базе ИИ

Сенсоры собирают данные о вибрации, температуре и токе двигателя, а ИИ-модель находит ранние признаки деградации и предупреждает за недели до отказа.

Сенсорный мониторинг

Вибрация, температура и ток двигателя в реальном времени.

Прогноз износа

Модель предсказывает деградацию подшипников и обмоток.

Плановый ремонт

Алерт приходит заранее — техслужба чинит в плановую смену.

• Внеплановые простои — −40%
• Расходы на запчасти — −25%
• Срок службы оборудования — +15%

Электродвигатели 4АЗМ работают в тяжёлых условиях: перепады нагрузки, пыль, влажность, вибрация. Классический регламентный подход не учитывает реальное состояние узла — подшипник может пройти 10 000 часов или выйти из строя через 3 000, в зависимости от условий эксплуатации.

Мы установили внешние датчики вибрации и температуры на критичные узлы — без вмешательства в конструкцию двигателя. Данные собирались непрерывно и передавались на сервер для анализа. За несколько месяцев набралось достаточно исторических данных для обучения модели.

Модель градиентного бустинга анализирует временные ряды сенсоров и выявляет паттерны, предшествующие отказу: рост высокочастотной вибрации, локальный нагрев обмотки, изменение спектра тока. Когда модель видит эти признаки, она отправляет алерт с прогнозом: «осталось 2–3 недели до вероятного отказа».

Что изменилось в компании

После внедрения завод перешёл от ремонта по графику к ремонту по состоянию. Внеплановые остановки сократились, а плановые ремонты стали точнее: узел меняется тогда, когда он действительно начинает деградировать.

Проект показал, что предиктивное обслуживание — это не лабораторный эксперимент, а рабочий инструмент, который экономит деньги на каждом станке.

Задачи проекта:

Регламентное обслуживание не учитывало реальное состояние узлов

• Внеплановые остановки производства
• Замена ещё рабочих узлов
• Нет данных о состоянии оборудования

Решения:

Предиктивное обслуживание на базе ИИ

• Сенсоры вибрации и температуры
• Прогноз износа за недели
• Ремонт по состоянию, а не по графику

Результат проекта

−40%

Внеплановые простои сократились на 40%. Расходы на запчасти снизились на 25%, а срок службы оборудования вырос на 15%.