Temps estimat de lectura: 6 acta
Les empreses estan generant quantitats cada cop més creixents de dades associades a les operacions empresarials, cosa que provoca un renovat interès en l'anàlisi predictiva, un camp que analitza grans conjunts de dades per identificar patrons, predir resultats i guiar la presa de decisions. Les empreses també s'enfronten a una gamma complexa i en constant expansió de riscos operatius que cal identificar i mitigar de manera proactiva. Tot i que moltes empreses han començat a utilitzar l'anàlisi predictiva per identificar oportunitats de màrqueting/vendes, les estratègies similars són menys habituals en la gestió de riscos, inclosa la seguretat.
Els algorismes de classificació, una classe general d'anàlisi predictiva, podrien ser especialment útils per a les indústries de refinació i petroquímica predint el moment i la ubicació dels incidents de seguretat a partir de dades d'inspecció i manteniment relacionades amb la seguretat, bàsicament indicadors principals. Hi ha dos reptes principals associats a aquest mètode: (1) assegurar que els indicadors avançats mesurats són realment predictius d'accidents i (2) mesurar els indicadors avançats amb prou freqüència per tenir valor predictiu.
Utilitzant dades d'inspecció actualitzades periòdicament, es pot crear un model mitjançant una regressió logística. D'aquesta manera podríeu crear un model, per exemple, per predir la probabilitat de fallada del carril per a cada milla de via. Les probabilitats es poden actualitzar a mesura que es recullen dades addicionals.
A més de les probabilitats previstes de fallada del carril, amb el mateix model podem identificar les variables amb major validesa predictiva (aquelles que contribueixen significativament a la fallada del carril). Amb els resultats del model, podreu identificar exactament on centrar els recursos de manteniment, inspecció i millora de capital i quins factors cal abordar durant aquestes activitats.
La mateixa metodologia es podria utilitzar a les indústries de refinació i petroquímica per gestionar els riscos mitjançant la predicció i la prevenció d'accidents, sempre que les organitzacions:
L'anàlisi predictiva és un camp ampli que abasta aspectes de diverses disciplines, inclòs l'aprenentatge automàtic,intel·ligència artificial, estadístiques i mineria de dades. L'anàlisi predictiva descobreix patrons i tendències en grans conjunts de dades. Un tipus d'anàlisi predictiva, els algorismes de classificació, podria ser especialment beneficiós per a les indústries de refinació i petroquímica.
Els algorismes de classificació es poden classificar com a aprenentatge automàtic supervisat. Amb l'aprenentatge supervisat, l'usuari disposa d'un conjunt de dades que inclou mesures de variables predictives que es poden relacionar amb resultats coneguts. En el model tractat a la secció d'estudi de cas d'aquest article, es van prendre diverses mesures de via (per exemple, curvatura, encreuaments) durant un període per a cada milla de via. El resultat conegut, en aquest cas, és si es va produir una fallada de via a cada milla del ferrocarril durant aquest període de dos anys.
A continuació, es selecciona un algorisme de modelització adequat i s'utilitza per analitzar les dades i identificar les relacions entre les mesures variables i els resultats per crear regles predictives (un model). Un cop creat, el model rep un nou conjunt de dades que conté mesures de variables predictores desconegudes i resultats i després calcularà la probabilitat del resultat basant-se en les regles del model. Això es compara amb els tipus d'aprenentatge no supervisat, on els algorismes detecten patrons i tendències en un conjunt de dades sense cap direcció específica per part de l'usuari, que no sigui l'algorisme utilitzat.
Els algorismes de classificació comuns inclouen regressió lineal, regressió logística, arbre de decisió, xarxa neuronal, vector de suport/màquina discriminant flexible, classificador Bayes ingenu i molts altres. Les regressions lineals proporcionen un exemple senzill de com funciona un algorisme de classificació. En una regressió lineal, es calcula una línia de millor ajust a partir dels punts de dades existents, donant l'equació de línia ay = mx + b. Introduir la variable coneguda (x) proporciona una predicció per a la variable desconeguda (y).
La majoria de les relacions entre variables del món real no són lineals, sinó complexes i de forma irregular. Per tant, la regressió lineal sovint no és útil. Altres algorismes de classificació són capaços de modelar relacions més complexes, com les relacions curvilínies o logarítmiques. Per exemple, un algorisme de regressió logística pot modelar relacions complexes, pot incorporar variables no numèriques (per exemple, categories) i sovint pot crear models realistes i estadísticament vàlids. El resultat típic d'un model de regressió logística és la probabilitat prevista que es produeixi el resultat/esdeveniment. Altres algorismes de classificació proporcionen resultats similars a la regressió logística, però les entrades requerides són diferents entre els algorismes.
El modelatge de relacions complexes és especialment útil en la gestió del risc, on normalment es prioritza el risc en funció de la probabilitat i la gravetat potencial d'un resultat determinat. La modelització dels factors de risc que contribueixen a aquest resultat dóna com a resultat una estimació precisa i estadísticament vàlida de la probabilitat del resultat. En canvi, moltes avaluacions de risc mesuren la “probabilitat” en una escala categòrica (un cop a la dècada, una vegada a l'any, diverses vegades a l'any), que és menys precisa, més subjectiva i fa impossible distingir entre els riscos presents en el risc. mateixa categoria àmplia. Hi ha altres tècniques per avaluar de manera quantificable la gravetat potencial en una avaluació de riscos, però això està fora de l'abast d'aquest article.
BlogInnovazione.it
Es va realitzar una operació d'oftalmoplàstia amb el visualitzador comercial Apple Vision Pro a la Policlínica de Catània...
El desenvolupament de la motricitat fina a través del color prepara els nens per a habilitats més complexes com escriure. Per acolorir...
El sector naval és una veritable potència econòmica mundial, que ha navegat cap a un mercat de 150 milions...
Dilluns passat, el Financial Times va anunciar un acord amb OpenAI. FT autoritza el seu periodisme de classe mundial...