Достижения в машиностроении позволяют создавать более совершенное и эффек- тивное оборудование, однако при этом повышается его сложность и требования к управ- лению его жизненным циклом, техническим обслуживанием. К этому прибавляются тре- бования по надежности и доступности, которые также создают дополнительные испы- тания при управлении жизненным циклом. Существуют различные стратегии планирова- ния технического обслуживания. Среди них наиболее перспективной является предиктив- ная стратегия, основанная на прогнозировании остаточного ресурса оборудования. Суще- ствующие методы прогнозирования остаточного ресурса оборудования фокусируются на применении исторических данных, агрегированных по рабочим циклам, при этом отсутст- вуют широко распространенные методы для прогнозирования по непрерывным данным, в том числе высокочастотным, получаемым с оборудования и содержащим рабочие циклы различной длительности и данные, записанные во время простоя оборудования. Для реше- ния этой проблемы предлагается метод прогнозирования остаточного ресурса с выделе- нием в исходных данных рабочих циклов и агрегированием их значений в одномерные векто- ры с целью дальнейшего использования для обучения модели прогнозирования. Результаты демонстрируют успешную применимость предложенного метода – в комбинации с моде- лью прогнозирования XGBoost удается достичь точности на данных, полученных с газо- турбинного двигателя, со значением средней квадратической ошибки 14.02 и средней ошибкой 10.71.
