Потенциал, проблемы и перспективные направления применения глубокого обучения в задачах прогнозирования и управления техническим состоянием

За последнее десятилетие применение методов глубокого обучения активно развивалось во множестве различных областей, включая компьютерное зрение и понимание естественного языка. Доступность больших объемов данных, прорывы в разработке алгоритмов и достижения в области аппаратного обеспечения стали основными факторами стремительного развития глубокого обучения. Несмотря на то что сложные промышленные объекты широко контролируются, а также накоплены большие объемы сигналов мониторинга технического состояния, применение методов глубокого обучения для обнаружения, диагностики и прогнозирования отказов сложных промышленных объектов остается ограниченным. В настоящей статье представлен всесторонний анализ текущих разработок, факторов развития, проблем, потенциальных решений и перспективных направлений исследований в области применения глубокого обучения в задачах прогнозирования и управления техническим состоянием (PHM).