В настоящее время, как и раньше, любая техника изнашивается и может выйти из строя в любой момент. Тот факт, что поломка оборудования, может привести к простоям на производстве, требует системы, с помощью которой можно было бы прогнозировать возможные неисправности работающего оборудования. Современные компьютерные и информационные технологии позволяют решить поставленную задачу с помощью системы предупреждения аварийных режимов, основанной на звуковом оповещении. Подобные системы в нужный момент предупреждают о потенциальном повреждении и позволяют своевременно устранить угрозу. Для более глубокого исследования проблемы требуется совершенствование методов и средств технической диагностики. Данные технической диагностики необходимы для определения наиболее благоприятных в сложившихся условиях режимов эксплуатации машин и агрегатов и позволяют определить методы устранения неисправностей для возобновления работы в оптимальном режиме. Разработка и эксплуатация подобного диагностического оборудования сопряжена с рядом возникающих трудностей, в числе которых – множество хаотичных данных, поступающих в вычислительный модуль диагностической техники. Решению данной проблемы может способствовать разработка самообучающейся системы на основе нейронной сети. В данной статье рассматривается разработка нейронной сети на языке «python», с использованием библиотеки «pytorch».

Now, as before, any equipment wears out and can fail at any time. The fact that equipment failure can lead to downtime in production requires a system by which it would be possible to predict possible malfunctions of the operating equipment. Modern computer and information technologies make it possible to solve the problem with the help of emergency warning system based on sound notification. Such systems at the right time warn of potential damage and allow to eliminate the threat in a timely manner. For a more in-depth study of the problem requires the improvement of methods and means of technical diagnostics. These technical diagnostics are necessary to determine the most favorable operating conditions of machines and units in the current conditions and to determine methods of Troubleshooting for the resumption of work in the optimal mode. The development and operation of such diagnostic equipment is associated with a number of difficulties, including – a lot of chaotic data coming into the computer module of diagnostic equipment. The solution to this problem can contribute to the development of a self-learning system based on a neural network. This article discusses the development of a neural network in the language «python», using the library»pytorch».