В рамках публикации на arXiv учёные представили модель ShaftFormer, которая способна прогнозировать критические вибрации и потенциальные поломки осей в железнодорожных локомотивах и вагонах. Эта разработка основана на архитектуре трансформеров — аналогичных тем, что применяются в современных языковых моделях и системах распознавания изображений.
Модель обучалась на реальных данных вибродиагностики, собираемых с локомотивов при прохождении разных участков пути. В результате система научилась выявлять аномальные сигнатуры — характерные шаблоны, которые предшествуют разрушению подшипников, усталости металла или смещению центра масс.
ShaftFormer позволяет перейти от планового обслуживания к предиктивной диагностике, когда неисправности устраняются до того, как повлекут аварию. Это особенно актуально для грузовых перевозок, где износ техники выше, а логистическая нагрузка предельно велика.
Технология уже заинтересовала компании в Китае, Индии и Германии. В случае внедрения в России она может сократить число внеплановых остановок поездов и повысить надёжность транспортной системы на 20–30%.
