Данная работа посвящена прогнозированию и аналитике причин развития разрушений в подшипниковых узлах автоматизированного промышленного оборудования на примере ленточного конвейера. Целью данной работы является создание алгоритма на основе машинного обучения, позволяющего выявлять возможный выход из строя подшипниковых узлов, а также наиболее вероятные причины данного сбоя. Задачи, решаемые в работе: обзор аналогичных IT-проектов с анализом имеющихся решений, анализ открытых баз данных по выявленным дефектам подшипников, разработка алгоритма, определяющего влияние различных факторов на работу подшипника в нормальных и критических условиях.

This work is devoted to predicting and analyzing the reasons for the development of failures in the bearing units of automated industrial equipment, using a conveyor belt as an example. The goal of this work is to create a machine learning algorithm that can detect possible bearing failures and the most likely causes of such failures. The tasks to be solved in this work include reviewing similar IT projects with an analysis of existing solutions, analyzing open databases on identified bearing defects, and developing an algorithm that determines the influence of various factors on the bearings performance under normal and critical conditions.