南乌拉尔国立大学的工程师、程序员和数学家团队为马格尼托哥尔斯克钢铁厂 (MMK) 创建了一个防止冷轧机故障和紧急停止的系统。 新的诊断技术已在企业实施并推出。 这项工作涉及南乌拉尔国立大学“优先2030”计划（国家“科学与大学”项目）下的“智能制造”战略项目。
轧机是一种大型复合设备，旨在使金属板材达到所需的厚度。这种装置的一个组件发生故障会导致整条生产线停止运行。在新系统的帮助下了解工厂某些“器官”可能发生故障后，工厂专家可以及时计划维修工作并防止财务和时间的损失。
为了创建一个诊断轧机技术状况的系统，科学家需要训练神经网络来分析从特殊传感器接收到的大量设备运行数据。 该工厂默认配备了用于自动过程控制系统的传感器，但它们提供的信息不足以创建智能分析系统。 这促使南乌拉尔国立大学的研究人员创建了额外的传感器。首先是特殊的振动声学传感器和用于测量来自所考虑的磨机部件的热流的传感器。
“针对轧机设计的每个要素单独开发了一个软件模块，这有助于诊断其技术状况。这是一个完整的“基础设施”，包括软件和硬件。 结构元件包括步进梁 - 轧机的入口部分、张紧站、弯曲张紧机、输入蓄能器和轧机机架本身，”技术科学候选人、南乌拉尔国立大学的振动测试和结构状态监测中心副主任阿列克谢·埃尔帕洛夫解释道。
为了使用该系统，南乌拉尔国立大学的专家开发了一个已经在企业计算机上运行的软件包——员工可以通过IP地址访问服务器，查看设备技术状况的索引，并在必要时分析来自传感器的数据。工厂操作员的所有信息均按照“红绿灯”方案显示：绿色表示一切正常，黄色表示需要注意，红色表示需要采取紧急行动。
“我们非常注重找出轧机在生产中容易出现的问题。我们与许多马格尼托哥尔斯克钢铁厂员工进行了交谈，得出的结论是，轴承、液压缸或轧机机架的某些元件最常发生故障。我们的任务是提供一种技术解决方案，为工作组织的各个层面（工厂操作员、现场领班和车间经理）带来便捷。”技术科学候选人、研究实验室技术自我副主任弗拉基米尔·西尼钦评论道 -南乌拉尔国立大学设备和系统的诊断和自我监控。
该系统经历了从构思到实施的完整开发周期，并在实验室、全面、试点和验收测试之后进行了测试。
“金属轧制车间在马格尼托哥尔斯克钢铁厂的结构中占有重要地位 - 它是最现代化的高科技车间之一。 重要的是，马格尼托哥尔斯克钢铁厂是俄罗斯冷轧板供应的领导者之一。 我们的系统使我们能够及时发现问题机组，然后在工厂计划停工期间安排对机组进行维护、修理或更换，而不是在事故发生时。”项目负责人、总监，南乌拉尔国立大学实验机械工程研究所拉米尔·扎基洛夫说道。
设备和系统技术自我诊断和自我监控研究实验室的整个团队也参与了该项目。物理和数学科学副博士生、实验室高级研究员奥尔加·伊布亚耶娃和实验室初级研究员、信息预测量技术系研究生伊万·费多索夫做出了特别贡献。
南乌拉尔国立大学是一所变革型大学，在科学技术发展的最优先领域进行创新研究。 根据俄罗斯联邦科技发展战略，该大学重点发展数字工业、材料科学和生态学领域的大型科学跨学科项目。2021年，南乌拉尔国立大学赢得了“优先2030”计划的竞赛。 该大学履行乌拉尔地区间世界级科学和教育中心区域项目办公室的职能，该中心负责签署解决国家项目“科学与大学”的问题。