Данная бакалаврская работа посвящена исследованию использования предиктивной аналитики для мониторинга состояния оборудования и ранней диагностики. Для этого изучались методы реализации модуля предиктивной аналитики и возможность его разработки, а также проводился анализ температур кȧбелей и ранней диагностики оборудования. Задачи, решаемые в ходе исследования: изучение существующей аварийно-предупредительной системы, исследование способов реализации модуля предиктивной аналитики и программных методов реализации модуля, разработка модуля ПА. Работа проведена на базе ООО «Шнейдер Электрик Завод ЭлектроМоноблок», где собирались данные для анализа с датчиков температуры TH110. Были проведены исследования, направленные на выявление наиболее подходящего способа предсказательного анализа данных. На основании исследований разработан модуль предиктивной аналитики на языке Python с применением рекуррентной LSTM сети.

This bachelor's thesis explores the use of predictive analytics for equipment monitoring and early diagnosis. For this, methods of implementing the predictive analytics module and the possibility of its development were studied, and also an analysis of cable temperatures and early equipment diagnostics was carried out. Tasks solved in the course of the study: study of the existing emergency warning system, study of ways to implement the predictive analytics module and software methods for implementing the module, development of the PA module. The work was carried out on the basis of LLC "Schneider Electric Plant ElectroMonoblock", where data for analysis was collected from temperature sensors TH110. Studies have been conducted to identify the most appropriate predictive data analysis method. Based on the research, a predictive analytics module was developed in Python using a recurrent LSTM network.