ЖУРНАЛ СТА №4/2026

О Б З О Р Ы 40 www.cta.ru СТА 4/2026 ● Уровень 0. Источники данных : АСУ ТП / SCADA. ● Уровень 1. Пороговый фильтр (Rule- Based): отсев сбоев , шума и безопас - ных режимов ; детекция явных угроз по обширной базе жёстких правил . ● Уровень 2. Фильтр тенденций (Trend- Based): отсев случайных флуктуаций , выделение устойчивых тенденций и прогноз достижения уставок . ● Уровень 3. Детектор аномалий (Ano- maly Detector): проверка выявленных на предыдущем уровне тенденций – отделение реальных аномалий от смены режимов работыили внешних условий . ● Уровень 4. Расчёт остаточного ресур - са (Remaining Useful Life – RUL): про - гноз времени до отказа оборудования . ● Уровень 5. Экспертное решение : реше - ние эксперта о необходимости останов - ки или смены режима установки . ● Уровень 6. База знаний : накопление данных для последующего дообучения / переобучения моделей на уровнях 3 и 4. Такая концепция позволяет обеспе - чить отличный баланс между точностью прогнозов и необходимыми вычисли - тельными ресурсами . Пример схемы гибридной системы предиктивной диа - гностики приведён на рис . 2. Подытоживая , необходимо отметить следующие преимущества решений от « пионеров » рынка . ● Доверие и референсы в промышленно - сти . Предиктивная диагностика от пер - вопроходцев – это « стандарт де - факто ». ● Глубокая физическая экспертиза . Эти компании выросли из инжене - ров - механиков , вибродиагностов ; они не будут искать корреляции там , где её нет , не станут связывать высокую вибрацию с подшипником , когда при - чина в расцентровке вала или резо - нансе фундамента . ● Широкие интеграционные возмож - ности . За десятилетия работы « пионе - ры » разработали огромное множество протоколов взаимодействия с АСУ ТП (Modbus, Pro fi bus, старые контроллеры и т . д .). ● Возможность расчёта остаточного ресурса . Первопроходцы предиктивной диагностики обладают уникальными массивами исторических данных дегра - дации различных типов узлов ( под - шипников , муфт и т . д .). Именно такие данные позволяют обучать модели , способные прогнозировать остаточный ресурс (RUL). К недостаткам же можно отнести сле - дующее . ● Невозможность приобретения и полу - чения поддержки . В настоящий момент западные вендоры не продают лицен - зии на использование своих решений российским предприятиям , а также отказываются оказывать поддержку по уже приобретённым решениям . ● Высокая стоимость . Расходы по раз - витию своей экосистемы « пионеры » закладывают в стоимость конечного продукта . Промышленные холдинги : вопреки санкциям Санкции 2022–2026 годов стали не только внешнимшоком , но и триггером глубокой трансформации . Крупные про - мышленные холдинги , такие как « Сибур », « НЛМК », « Северсталь », « Газпром нефть » и т . д ., эксплуатирующие западные систе - мы предиктивной диагностики , столкну - лись со сложностями продления лицен - зий и получения технической поддержки . Это спровоцировало создание собствен - ных систем , так как готовые российские аналоги не подходили под их специфику . В результате эти компании превратились из потребителей западных технологий в создателей собственных решений . Предиктивная диагностика собствен - ной разработки по сравнению с типовы - ми « коробочными » решениями обладает рядом преимуществ : ● глубокая адаптация под конкретное производство . Типовые « коробочные » системы неспособны учесть все осо - бенности уникальных предприятий ; например , на заводах « Сибура » есть агрегаты ещё советских времён и современные зарубежные установки ; ● контроль над данными и безопасно - стью . Промышленные данные часто содержат конфиденциальную инфор - мацию о технологических процессах , состоянии оборудования и других аспектах производства . Разработка соб - ственных систем позволяет холдингам гарантированно сохранять контроль над этими данными ; ● оптимизация затрат в долгосрочной перспективе . Хотя разработка соб - ственной системы требует значитель - ных начальных инвестиций , в долго - срочной перспективе это может быть экономически выгодно . Разработка собственных систем даёт возможность гибко адаптировать и масштабировать решения в соответствии с растущими потребностями бизнеса . К недостаткам и рискам разработки собственных решений предиктивной диагностики можно отнести : ● высокие первоначальные затраты . Создание платформы с нуля требует колоссальных инвестиций ; ● дефицит кадров . Промышленным хол - дингам сложно конкурировать за силь - ные команды с крупными IT- вендорами (« Яндекс », « Сбер »). Удержание высоко - классных IT- специалистов в металлур - гии или нефтехимии требует создания особых условий и сильного HR- бренда ; ● риск « изобретения велосипеда » . Пыта - ясь закрыть все потребности самосто - ятельно , холдинги могут тратить годы на написание базовых модулей ( визуа - лизация , интеграционные шины , ана - литические модули и т . д .), которые на рынке уже давно существуют в виде зрелых открытых или коммерческих библиотек . Разработка собственных систем пре - диктивной диагностики оправдана толь - Рис . 2. Пример схемы гибридной системы предиктивной диагностики