如果没有工业4.0技术，现代冶金生产是无法想象的。如今，生产正在积极数字化，南乌拉尔国立大学科学家在这一过程中发挥着重要作用。
如今，防止生产设施发生事故和计划外的设备停机是完全可能的。这要归功于智能信息处理方法的使用。数据是从传感器收集的，这些传感器监测高负荷下轴承的热流。神经网络充当处理传感器数据的工具。
数据通过无线通信信道传输到神经网络。神经网络分析数据，警告机器操作员可能出现的故障和设备故障的威胁。
重要的是，技术专家只能监控已经训练过的神经网络的运行。需要机器学习专家来训练神经网络。
设备和系统技术自诊断和自监控实验室工程师丹尼斯·列别杰夫在“自动化过程控制系统元件和测量仪器诊断技术”项目中开发了顶级软件：数据存储和可视化系统、诊断算法的实现；还参与了人工智能模型的训练。该项目正在大学作为”优先2030”计划的一部分实施。
“神经网络在传感器诊断中的作用是关键，”丹尼斯·列别杰夫指出，“总的来说，设备和系统技术自诊断和自监控实验室的工作旨在将人工智能和机器学习技术应用于技术诊断任务。”
神经网络是该项目的主要模块之一。没有它，就没有智能数据处理，就没有智能诊断。重要的澄清是：必须不断评估神经网络的质量，并进行外部控制。
目前，实验室工程师正处于开发神经网络的阶段，准备一个能够应对任务的最佳模型。接下来，将进行一系列大规模测试以确认系统的可操作性。计划在实验室的设备上进行测试，该实验室的设备和系统技术自诊断和自监控设备，其物质和技术基础已在“优先2030”项目框架内得到改进。
该项目的有用产品 - 组合神经网络数据处理模型 - 计划用于冶金和机床制造中的机床诊断系统。
如果根据测试结果，神经网络成功应对了设定的任务，那么评估技术状况的部分工作将逐渐落在其“肩上”。在这种情况下，企业员工会在显示屏上收到状态，告知设备正常运行或发生了某些缺陷。将来，在这个项目中，神经网络可以完全取代人类完成确定技术状况的任务。但要实现这一目标，还有很多工作要做。
“我们的目标是开发数据处理方法，包括使用神经网络模型，这些模型将来可以在没有该领域专家参与的情况下独立处理技术诊断任务。这些是我们项目发展的前景，”丹尼斯·列别杰夫解释道。
该技术具有巨大的商业化潜力。大型工业合作伙伴已经对该领域的发展表示了兴趣。应该注意的是，神经网络的开发应该基于特定的消费者，因为每个企业都有自己的特点，并且神经网络需要为特定客户配置。
该项目正在南乌拉尔国立大学设备与系统技术自诊断和自控实验室现场实施，该实验室在国家科学与大学项目”优先2030”计划的框架内运行。