То, что вы написали - это отдельная ветвь на пересечении технической диагностики (в вашем случае скорее всего вибродиагностики) и современного машинного обучения. Называется Predictive maintenance.
(Вы пишете "
P.S. Возможно описал не столь понятно но идея вроде передана." - по приведенным ответам подозреваю, что большинство таки не поняли о чем речь. Если кому интересно, ознакомление можно начать, например, вот отсюда:
https://towardsdatascience.com/how-to-implement-ma...).
На самом деле, направление очень перспективное с точки зрения и экономической целесообразности и практического применения. Скажу по секрету - когда-то мне пришлось делать анализ литературы по этой теме и видел проекты, которые приносили миллионы и не рублей прибыли (помню, что в заказчиках были Caterpillar, Shell, Boing и пр. монстры). И литературы и интернет-источников - очень много. Другое дело, что использование нейросетей - это не самый пожалуй перспективное направление в этой проблеме, просто потому, что часто традиционные методы машинного обучения дают типа деревьев решений дают более эффективные решения.
Кроме указанного поискового запроса, если заходить со стороны именно методов машинного обучения можно и с использование запросов типа "Anomaly Detection", "Novelty detection", "Сhange points detection".
Ну и отдельной "строкой" - несколько примеров использования сетей глубокого обучения именно в задачах, близких к вашей (просто из того, что сейчас под рукой)
https://www.researchgate.net/publication/341615540...
https://www.sciencedirect.com/science/article/pii/...
https://comtradedigital.com/wp-content/uploads/201...
Удачи в исследованиях. Будут конкретные вопросы - задавайте.
Простой
Простой