Аннотация.В статье описаны новые подходы к построению модели предиктивной аналитики неисправностей промышленного оборудования.Актуальность исследования обусловлена необходимостью заблаговременно идентифицировать неисправности, приводящие к снижению эффективности работы или простоям крупных производственных линий промышленного предприятия.В рамках исследования были изучены современные подходы, использующие машинное обучение для решения схожих задач, подробно описаны их достоинства и недостатки.Данные для обучения моделей включают сведения о показаниях датчиков, измеряющих токи, температуры, давления и вибрации, для шести эксгаустеров за три года.Для обучения и тестирования были отобраны только техместа с наличием неисправностей за анализируемый период.В связи со сложной взаимосвязью между показаниями датчиков и состоянием эксгаустера было принято решение о создании предсказательной модели, основанной на мягком голосовании между тремя алгоритмами, имеющими различные подходы к классификации: сверточная нейронная сеть, логистическая регрессия и метод опорных векторов