15.10.2025
Алексей Артамонов (директор компании Nord Clan)

Как ИИ слышит то, что скрыто от человека

Принято считать, что ИИ сильнее всего проявляет себя там, где нужно работать с текстами и изображениями. Чат-боты отвечают на вопросы, нейросети распознают лица и анализируют фотографии. Но у технологий есть ещё одно направление, которое только начинает раскрывать потенциал. Алгоритмы учатся слышать. Они анализируют шум, вибрации и другие акустические сигналы — и находят в них то, что ускользает от человека и от привычных датчиков.

Например, на заводах и рудниках всегда шумно. Гул механизмов, вибрации, скрежет металла — всё это десятилетиями считалось фоном, к которому быстро привыкает ухо человека. Но сегодня этот фон превращается в источник прибыли. ИИ научился «слушать» оборудование и находить в шуме подсказки, которые указывают на аномалии.

С апреля 2024 года на российском металлургическом комбинате работает интеллектуальная система “машинного слуха”. Она обрабатывает данные с десятков микрофонов и датчиков вибрации, фиксируя малейшие отклонения от звукового “портрета” нормальной работы оборудования. Алгоритм различает сотни акустических сигналов в едином гуле цеха и мгновенно определяет источники потенциальных неисправностей — например, разгерметизацию дверей коксовых батарей. Время реакции сокращается с часов до секунд, что напрямую влияет на производительность и безопасность.

ИИ, который обрабатывает шум и вибрации, а также данные машинного зрения с конвейеров, способен стать одновременно «ушами» и «глазами» производства. Современные российские продукты на базе машинного зрения анализируют поток продукции со скоростью до 50 метров в секунду, фиксируя дефекты размером от 0,1 миллиметра с точностью до 98%. Такая инфраструктура создаёт единый центр контроля, куда стекается информация с разных точек — и по визуальному качеству продукции, и по состоянию оборудования. Любое отклонение фиксируется мгновенно, а специалисты получают полный контекст: что именно произошло, где и почему.

На заводе “Техностиль” внедрена система машинного зрения, работающая в паре с акустическими датчиками. Камеры фиксируют геометрию и состояние поверхности металлопроката, а звуковые сенсоры контролируют шум в процессе проката. Совместный анализ потоков данных позволяет формировать цифровой паспорт каждой заготовки и предсказывать качество ещё на этапе производства. Подобная интеграция визуальных и звуковых каналов в реальном времени пока уникальна для российского рынка, а по точности она уже сопоставима с лучшими мировыми промышленными решениями.

Экономический эффект от таких решений заметен сразу. Раннее выявление проблем сокращает простой оборудования, увеличивает выпуск продукции и снижает расходы на ремонт. Каждая минута остановки конвейера или цеха обходится предприятиям в миллионы рублей, и именно здесь ИИ показывает свою практическую ценность. Алгоритмы фиксируют сбой ещё до того, как он становится аварией, что даёт компаниям прямую экономию и сохранённую прибыль. Одновременно растёт уровень безопасности: нарушения устраняются заранее, до возникновения рисков для людей и оборудования.

Использование «нетрадиционных данных» — шума, вибраций, тепловых сигналов — для контроля качества и прогнозного обслуживания стало глобальным трендом. Россия входит в число стран-лидеров: на предприятиях металлургии, машиностроения, добычи полезных ископаемых и в пищевой промышленности такие решения уже внедряются массово. На одном уровне с нами — Китай, США и ОАЭ, где машинное зрение и акустическая аналитика становятся обязательной частью производственного цикла.

Аналогичные системы сейчас внедряются на предприятиях цветной металлургии. На глиноземных заводах “машинный слух” анализирует виброакустические сигналы мельниц, выявляя зависимость между звуком и степенью их загрузки. В связке с видеоданными этот инструмент оптимизирует режим работы оборудования и снижает расход электроэнергии. Для российских предприятий это первое промышленное применение акустической аналитики в связке с машинным зрением, которое формирует полноценный “орган слуха” завода.

Сбор данных с датчиков — это первый шаг для создания цифровых двойников предприятий. Виртуальная “копия” организации, полученная на основе регулярно собираемых данных, позволяет не только реагировать на отклонения от заданных параметров, но и предсказывать факторы, влияющие на эффективность. Подобный подход становится популярным и в России.

Барьеры для массового внедрения связаны с потребностью в мощной ИТ-инфраструктуре и экспертизе в области анализа данных. Эти задачи частично решаются с помощью облачных сервисов и внедрения искусственного интеллекта, который автоматизирует поиск закономерностей и прогнозирование.

Пример такого инновационного подхода — решение для анализа сейсмограмм в добывающей отрасли. Классический анализ отражённых звуковых волн, получаемых при взрывных работах, требовал применения сложных численных схем, которые занимали часы. Применение нейронной сети позволило ускорить расчёты в два раза при погрешности менее 1%, а специализированная архитектура позволила отделять шум помех от чистого сигнала.

Другой пример — контроль брака при изготовлении теплоизоляционных плит. Тепловая карта выявляет перегретые области внутри материала, оптические методы анализируют поверхность, а система формирует цифровой паспорт каждого изделия с учётом всех параметров производства.

Сочетание разных источников данных используется и при определении коэффициента использования оборудования, особенно в добывающей промышленности. Акустические сигналы отражают режимы работы техники, машинное зрение ведёт подсчёт операций и контролирует заполнение бункеров, а технологии позиционирования на основе времени пролёта радиосигнала (ToF) обеспечивают точность измерений до сантиметра.

Для визуализации звука начинают применять акустические камеры, которые позволяют строить звуковые карты по аналогии с тепловыми. Такое решение помогает быстро обнаруживать источники шума, ранжировать их по амплитуде и частоте, и выявлять отклонения в работе оборудования.

В ближайшие годы именно вибрации, аудиосигналы, тепловые карты и машинное зрение станут главными источниками данных для промышленных ИИ. Вместе они превращаются в полноценные «органы чувств» предприятия: слух фиксирует малейшие отклонения в работе оборудования, зрение замечает дефекты продукции, тепловая аналитика улавливает перегрев. Машины учатся слышать и видеть то, что человеку недоступно — и именно здесь формируется новый драйвер роста производительности и эффективности в промышленности.

Подписывайтесь на наши новости в Telegram: https://t.me/idexpert 

Читайте нас на VK: https://vk.com/idexpert_ru





Рейтинг статьи