Интернет конференция по проблемам теории и практики управленияНазвание: ПРОГНОЗИРОВАНИЕ ОСТАТОЧНОГО РЕСУРСА ОБОРУДОВАНИЯ В УСЛОВИЯХ МАЛОЙ ВЫБОРКИ ДАННЫХ
Автор: Константин Задиран
Соавторы:
Задиран К. С., Щербаков М. В., Сай Ван Квонг
Аннотация:
В статье предлагается метод прогнозирования остаточного ресурса оборудования, использующий глубокое обучение и применимый в случаях с малым количеством информации об отказах в данных, где существующие классические методы могут не давать требуемой точности. Процесс поддержания оборудования в рабочем состоянии – один из наиболее важных процессов в эксплуатации оборудования. При этом процесс технического обслуживания зачастую страдает от недостаточной эффективности. Поэтому были разработаны методы прогнозирования, на основе которых была построена концепция проактивного управления процессом техобслуживания, позволяющая оптимизировать структуру и затраты управления оборудованием на протяжении жизненного цикла. Однако данные методы могут показывать недостаточную точность, если для их обучения недостаточно данных, например, в связи с редкостью возникновения отказов в оборудовании. Для решения этой проблемы предлагается новый метод прогнозирования, в основе которого лежит алгоритм, основанный на глубоком обучении и который может улучшить точность прогнозирования. В данном методе произведена замена непрерывного прогнозирования остаточного ресурса оборудования на всем интервале на систему генерации сигналов, содержащих рассчитанный прогноз.
Ключевые слова:
машинное обучение, остаточный ресурс, проактивное техническое обслуживание
Автор: Константин Задиран
Соавторы:
Задиран К. С., Щербаков М. В., Сай Ван Квонг
Аннотация:
В статье предлагается метод прогнозирования остаточного ресурса оборудования, использующий глубокое обучение и применимый в случаях с малым количеством информации об отказах в данных, где существующие классические методы могут не давать требуемой точности. Процесс поддержания оборудования в рабочем состоянии – один из наиболее важных процессов в эксплуатации оборудования. При этом процесс технического обслуживания зачастую страдает от недостаточной эффективности. Поэтому были разработаны методы прогнозирования, на основе которых была построена концепция проактивного управления процессом техобслуживания, позволяющая оптимизировать структуру и затраты управления оборудованием на протяжении жизненного цикла. Однако данные методы могут показывать недостаточную точность, если для их обучения недостаточно данных, например, в связи с редкостью возникновения отказов в оборудовании. Для решения этой проблемы предлагается новый метод прогнозирования, в основе которого лежит алгоритм, основанный на глубоком обучении и который может улучшить точность прогнозирования. В данном методе произведена замена непрерывного прогнозирования остаточного ресурса оборудования на всем интервале на систему генерации сигналов, содержащих рассчитанный прогноз.
Ключевые слова:
машинное обучение, остаточный ресурс, проактивное техническое обслуживание