Искусственный интеллект (ИИ) активно меняет профессиональные практики, предоставляя мощные инструменты для предсказательной диагностики (PdM), которая играет ключевую роль в таких отраслях, как ветроэнергетика, транспорт и производство. PdM позволяет своевременно обнаруживать неисправности, минимизировать простой оборудования, повышать безопасность и снижать углеродный след. В статье проводится сравнительный анализ ИИ-управляемых моделей PdM, включая метод опорных векторов (SVM), искусственные нейронные сети (ANN), сети долгой краткосрочной памяти (LSTM), сверточные нейронные сети (CNN), метод случайного леса (RF) и градиентный бустинг (XGBoost). Особое внимание уделяется интерпретируемости, устойчивости и практической применимости моделей в реальных условиях эксплуатации. Исследование подчеркивает, как применение ИИ в прогностическом обслуживании способствует повышению операционной надежности и стандартов безопасности, поддерживая принципы устойчивого развития и гуманитарных ценностей. Результаты включают рекомендации по выбору наиболее подходящих моделей на основе специфических требований отрасли и целей внедрения.
искусственный интеллект; предсказательная диагностика; обнаружение неисправностей; устойчивое разви- тие; интерпретируемость; надежность; безопасность; нейронные сети; случайный лес; градиентный бустинг.