Разліковы час чытання: 6 хвілін
Кампаніі ствараюць усё большы аб'ём даных, звязаных з бізнес-аперацыямі, што прыводзіць да аднаўлення цікавасці да прагнастычнай аналітыкі, вобласці, якая аналізуе вялікія наборы даных для выяўлення заканамернасцей, прагназавання вынікаў і кіравання прыняццем рашэнняў. Кампаніі таксама сутыкаюцца са складаным і пастаянна пашыраным спектрам аперацыйных рызык, якія неабходна своечасова выяўляць і зніжаць. У той час як многія кампаніі пачалі выкарыстоўваць прагнастычную аналітыку для вызначэння магчымасцей маркетынгу/продажу, падобныя стратэгіі радзей сустракаюцца ў кіраванні рызыкамі, уключаючы бяспеку.
Алгарытмы класіфікацыі, агульны клас прагнастычнай аналітыкі, могуць быць асабліва карысныя для нафтаперапрацоўчай і нафтахімічнай прамысловасці, прагназуючы час і месцазнаходжанне інцыдэнтаў з бяспекай на аснове звязаных з бяспекай дадзеных праверкі і тэхнічнага абслугоўвання, па сутнасці, апераджальных паказчыкаў. Ёсць дзве асноўныя праблемы, звязаныя з гэтым метадам: (1) пераканацца, што вымераныя апераджальныя індыкатары сапраўды прадказваюць аварыі і (2) вымярэнне апераджальных індыкатараў дастаткова часта, каб мець прагнастычную каштоўнасць.
Выкарыстоўваючы рэгулярна абнаўляюцца даныя праверкі, мадэль можа быць створана з дапамогай лагістычнай рэгрэсіі. Такім чынам вы маглі б стварыць мадэль, напрыклад, для прагназавання верагоднасці адмовы чыгункі для кожнай мілі шляху. Верагоднасці могуць абнаўляцца па меры збору дадатковых даных.
У дадатак да прагназуемых імавернасцей выхаду з ладу рэек, з той жа мадэллю мы можам вызначыць зменныя з большай прагназуючай абгрунтаванасцю (тыя, якія істотна спрыяюць выхаду з ладу рэек). Выкарыстоўваючы вынікі мадэлі, вы зможаце дакладна вызначыць, дзе засяродзіць рэсурсы на тэхнічнае абслугоўванне, інспекцыю і капітальнае паляпшэнне, а таксама на якія фактары звяртаць увагу падчас гэтых мерапрыемстваў.
Тая ж метадалогія можа выкарыстоўвацца ў нафтаперапрацоўчай і нафтахімічнай прамысловасці для кіравання рызыкамі шляхам прагназавання і прадухілення аварый пры ўмове, што арганізацыі:
Прагнастычная аналітыка - гэта шырокая вобласць, якая ахоплівае аспекты розных дысцыплін, уключаючы машыннае навучанне,штучны інтэлект, статыстыка і здабыча дадзеных. Прагнастычная аналітыка выяўляе заканамернасці і тэндэнцыі ў вялікіх наборах даных. Адзін з тыпаў прагнастычнай аналітыкі, алгарытмы класіфікацыі, можа быць асабліва карысным для нафтаперапрацоўчай і нафтахімічнай прамысловасці.
Алгарытмы класіфікацыі можна класіфікаваць як кантраляванае машыннае навучанне. Пры кантраляваным навучанні карыстальнік мае набор даных, які ўключае вымярэнні прагнастычных зменных, якія можна звязаць з вядомымі вынікамі. У мадэлі, якая абмяркоўваецца ў раздзеле тэматычных даследаванняў гэтага артыкула, розныя вымярэнні каляіны (напрыклад, крывізны, скрыжаванні) праводзіліся на працягу перыяду для кожнай мілі каляіны. Вядомы вынік у дадзеным выпадку заключаецца ў тым, ці адбыўся збой пуці на кожнай чыгуначнай мілі на працягу гэтага двухгадовага перыяду.
Затым выбіраецца адпаведны алгарытм мадэлявання, які выкарыстоўваецца для аналізу даных і выяўлення ўзаемасувязяў паміж вымярэннямі зменных і вынікамі для стварэння правіл прагназавання (мадэлі). Пасля стварэння мадэль атрымлівае новы набор даных, які змяшчае вымярэнні невядомых прэдыктарных зменных і вынікаў, а затым разлічвае верагоднасць выніку на аснове правілаў мадэлі. Гэта параўнальна з тыпамі некантраляванага навучання, калі алгарытмы выяўляюць заканамернасці і тэндэнцыі ў наборы даных без якіх-небудзь канкрэтных указанняў з боку карыстальніка, акрамя выкарыстоўванага алгарытму.
Агульныя алгарытмы класіфікацыі ўключаюць лінейную рэгрэсію, лагістычную рэгрэсію, дрэва рашэнняў, нейронную сетку, апорны вектар/гнуткую дыскрымінантную машыну, наіўны класіфікатар Байеса і многія іншыя. Лінейныя рэгрэсіі - просты прыклад таго, як працуе алгарытм класіфікацыі. У лінейнай рэгрэсіі найлепшая лінія вылічваецца на аснове існуючых кропак даных, што дае ўраўненне лініі ay = mx + b. Увод вядомай зменнай (x) дае прагноз для невядомай зменнай (y).
Большасць адносін паміж зменнымі ў рэальным свеце не лінейныя, а складаныя і няправільнай формы. Такім чынам, лінейная рэгрэсія часта бескарысная. Іншыя алгарытмы класіфікацыі здольныя мадэляваць больш складаныя адносіны, такія як крывалінейныя або лагарыфмічныя адносіны. Напрыклад, алгарытм лагістычнай рэгрэсіі можа мадэляваць складаныя адносіны, можа ўключаць нелікавыя зменныя (напрыклад, катэгорыі) і часта можа ствараць рэалістычныя і статыстычна абгрунтаваныя мадэлі. Тыповы вынік мадэлі лагістычнай рэгрэсіі - гэта прадказаная верагоднасць наступлення выніку/падзеі. Іншыя алгарытмы класіфікацыі забяспечваюць вывад, аналагічны лагістычнай рэгрэсіі, але патрабаваныя ўваходныя дадзеныя адрозніваюцца ў розных алгарытмаў.
Мадэляванне складаных узаемаадносін асабліва карысна ў кіраванні рызыкамі, дзе рызыка звычайна расстаўляецца па прыярытэтах на аснове верагоднасці і патэнцыйнай сур'ёзнасці канкрэтнага выніку. Мадэляванне фактараў рызыкі, якія спрыяюць такому выніку, дае дакладную і статыстычна абгрунтаваную ацэнку верагоднасці выніку. Наадварот, многія ацэнкі рызыкі вымяраюць «верагоднасць» па катэгарыяльнай шкале (адзін раз у дзесяцігоддзе, раз у год, некалькі разоў на год), якая з'яўляецца менш дакладнай, больш суб'ектыўнай і робіць немагчымым адрозненне паміж рызыкамі, прысутнымі ў рызыцы. тая ж шырокая катэгорыя. Існуюць і іншыя метады колькаснай ацэнкі патэнцыйнай сур'ёзнасці пры ацэнцы рызыкі, але гэта выходзіць за рамкі гэтага артыкула.
BlogInnovazione.it
У мінулы панядзелак Financial Times абвясціла аб здзелцы з OpenAI. FT ліцэнзуе сваю журналістыку сусветнага ўзроўню...
Мільёны людзей плацяць за струменевыя паслугі, плацячы штомесячную абаненцкую плату. Распаўсюджана меркаванне, што вы…
Coveware ад Veeam працягне прадастаўляць паслугі рэагавання на інцыдэнты кібервымагальніцтва. Coveware будзе прапаноўваць судова-медыцынскую экспертызу і магчымасці выпраўлення…
Прагнастычнае тэхнічнае абслугоўванне рэвалюцыянізуе нафтагазавы сектар з інавацыйным і актыўным падыходам да кіравання заводам.…
