Come può un algoritmo scoprire i guasti dei cuscinetti senza alcuna etichetta?

I cuscinetti sono il cuore pulsante di macchine rotanti, da turbine a scooter. Quando un cuscinetto inizia a difettarsi, le vibrazioni cambiano, ma riconoscere il problema è spesso complicato. Tradizionalmente, gli esperti dovevano analizzare manualmente i segnali o addestrare modelli con migliaia di esempi etichettati. Ora, grazie a una nuova combinazione di Masked Self‑Supervised Learning e Swin Transformer, è possibile farlo in modo autonomo. Il sistema prende i dati di vibrazione grezzi, nasconde parti del segnale (come un puzzle) e impara a ricostruirle. Questo “auto‑encoding” costringe la rete a capire le caratteristiche più importanti del suono. Poi, il Swin Transformer, con la sua attenzione a finestre scorrevoli, cattura pattern ripetitivi anche su sequenze molto lunghe, individuando le firme tipiche di un guasto. Il risultato? Una precisione del 99,5 % sul dataset Paderborn e il 100 % su quello CWRU, superando di gran lunga altri metodi non supervisionati. Senza bisogno di dati etichettati, la tecnologia può rilevare difetti sconosciuti, aprendo la strada a una manutenzione predittiva più veloce e meno costosa per le industrie. In pratica, è come dare a una macchina la capacità di “sentire” i propri problemi prima che diventino catastrofi.

Il modello proposto si basa su due pilastri: Masked Auto‑Encoder (MAE) e Swin Transformer. Il MAE, introdotto da He et al. (2021), maschera una frazione (tipicamente 75 %) dei token di input e richiede al decoder di ricostruire il segnale originale. In ambito vibrazionale, i token corrispondono a segmenti temporali di accelerazione; la ricostruzione costringe la rete a catturare correlazioni a lungo raggio e strutture ricorrenti tipiche di difetti meccanici. Dopo il pre‑training, il encoder è fine‑tuned con un semplice classificatore lineare, ma senza alcuna etichetta di guasto: la separazione delle classi emerge spontaneamente grazie alla struttura del latent space. Il Swin Transformer, invece, utilizza finestre di attenzione locale (window‑based self‑attention) che si spostano ad ogni livello (shifted windows). Questo approccio riduce la complessità computazionale da O(N²) a O(N) rispetto al Transformer classico, mantenendo la capacità di modellare dipendenze a lungo termine. Inoltre, la gerarchia di patch‑embedding consente di aggregare informazioni a diverse scale, fondamentale per riconoscere sia micro‑crack che macro‑defect. L’addestramento è stato effettuato su due benchmark: il dataset Paderborn (segni di difetti di rotolamento, di superficie e di gravità variabile) e il CWRU (faults a 0, 7, 14 kHz). I risultati mostrano una curva ROC quasi perfetta, con AUC > 0,999. L’analisi di ablation ha evidenziato che la rimozione del masking riduce l’accuratezza di circa 5 %, mentre l’uso di un Transformer standard porta a un aumento del tempo di inferenza del 30 % senza miglioramenti di performance. In sintesi, la sinergia tra MAE e Swin Transformer fornisce una rappresentazione robusta, scalabile e computazionalmente efficiente per la diagnosi non supervisionata dei cuscinetti, aprendo la strada a sistemi di manutenzione predittiva in tempo reale su hardware edge.