Аннотация:Целью данной работы является исследование существующих методов и
разработка собственных подходов с использованием машинного обучения для раннего
обнаружения неисправностей в оборудовании. Рассматриваются существующие
алгоритмы обнаружения аномалий во временных рядах, основанные на использовании
методов машинного обучения и нейронных сетей. Были проведены экспериментальные
исследования на датасете QUD, содержащем данные о потреблении электроэнергии
персональным компьютером и являющемся единственным размеченным датасетом в
области, подтверждающие эффективность обозреваемых методов. Получен частично
размеченный датасет IQDS, содержащий данные о потреблении электроэнергии
вентиляционной системой. Разработан подход для выявления некоторых видов
аномалий в датасете IQDS. Подход основан на прогнозировании не аномальных
значений ряда и анализе отклонения прогноза от реальных данных.