Numatomas skaitymo laikas: 6 minuti
Įmonės generuoja vis daugiau duomenų, susijusių su verslo operacijomis, todėl vėl ima domėtis nuspėjamąja analitika – sritimi, kuri analizuoja didelius duomenų rinkinius, kad nustatytų modelius, prognozuotų rezultatus ir padėtų priimti sprendimus. Įmonės taip pat susiduria su sudėtinga ir nuolat didėjančia veiklos rizika, kurią reikia aktyviai nustatyti ir sumažinti. Nors daugelis įmonių pradėjo naudoti nuspėjamąją analizę, kad nustatytų rinkodaros / pardavimo galimybes, panašios strategijos yra mažiau paplitusios rizikos valdymo srityje, įskaitant saugumą.
Klasifikavimo algoritmai, bendra nuspėjamosios analizės klasė, gali būti ypač naudingi naftos perdirbimo ir naftos chemijos pramonei, nes pagal su sauga susijusius tikrinimo ir priežiūros duomenis, iš esmės pagrindinius rodiklius, numatant saugos incidentų laiką ir vietą. Su šiuo metodu susiję du pagrindiniai iššūkiai: (1) užtikrinti, kad išmatuoti pagrindiniai rodikliai iš tikrųjų nuspėtų avarijas, ir (2) pakankamai dažnai matuoti pagrindinius rodiklius, kad būtų galima nuspėti.
Naudojant reguliariai atnaujinamus patikrinimo duomenis, modelis gali būti sukurtas naudojant logistinę regresiją. Tokiu būdu galite sukurti modelį, pavyzdžiui, numatantį bėgių gedimo tikimybę kiekvienai kelio myliai. Tikimybės gali būti atnaujintos, kai renkami papildomi duomenys.
Be numatytų bėgių gedimo tikimybių, su tuo pačiu modeliu galime nustatyti didesnio nuspėjamumo kintamuosius (tuos, kurie reikšmingai prisideda prie bėgių gedimo). Naudodamiesi modelio rezultatais, galėsite tiksliai nustatyti, kur sutelkti priežiūros, tikrinimo ir kapitalo gerinimo išteklius ir į kokius veiksnius reikia atkreipti dėmesį atliekant šią veiklą.
Ta pati metodika galėtų būti naudojama perdirbimo ir naftos chemijos pramonėje, siekiant valdyti riziką, numatant ir užkertant kelią avarijoms, jei organizacijos:
Nuspėjamoji analizė yra plati sritis, apimanti įvairių disciplinų aspektus, įskaitant mašininį mokymąsi,dirbtinis intelektas, statistika ir duomenų gavybos. Nuspėjamoji analizė atskleidžia didelių duomenų rinkinių modelius ir tendencijas. Viena iš nuspėjamosios analizės rūšių, klasifikavimo algoritmai, gali būti ypač naudinga naftos perdirbimo ir naftos chemijos pramonei.
Klasifikavimo algoritmai gali būti klasifikuojami kaip prižiūrimas mašininis mokymasis. Su prižiūrimu mokymusi vartotojas turi duomenų rinkinį, apimantį nuspėjamųjų kintamųjų, kuriuos galima susieti su žinomais rezultatais, matavimus. Šio straipsnio atvejo analizės skyriuje aptartame modelyje buvo atlikti įvairūs bėgių kelio matavimai (pvz., kreivumas, sankryžos) per tam tikrą laikotarpį kiekvienai kelio myliai. Šiuo atveju žinomas rezultatas yra tai, ar per tą dvejų metų laikotarpį kiekvienoje geležinkelio mylioje įvyko bėgių gedimas.
Tada parenkamas tinkamas modeliavimo algoritmas, kuris naudojamas duomenims analizuoti ir nustatyti ryšius tarp kintamųjų matavimų ir rezultatų, kad būtų sukurtos nuspėjimo taisyklės (modelis). Sukūrus modeliui suteikiamas naujas duomenų rinkinys, kuriame yra nežinomų prognozuojamųjų kintamųjų ir rezultatų matavimai, o tada apskaičiuos rezultato tikimybę pagal modelio taisykles. Tai lyginama su neprižiūrimo mokymosi tipais, kai algoritmai aptinka šablonus ir tendencijas duomenų rinkinyje be jokios konkrečios vartotojo krypties, išskyrus naudojamą algoritmą.
Įprasti klasifikavimo algoritmai apima tiesinę regresiją, logistinę regresiją, sprendimų medį, neuronų tinklą, paramos vektorių / lanksčią diskriminacinę mašiną, naivų Bayes klasifikatorių ir daugelį kitų. Tiesinės regresijos yra paprastas klasifikavimo algoritmo veikimo pavyzdys. Taikant tiesinę regresiją, geriausiai tinkanti linija apskaičiuojama remiantis esamais duomenų taškais ir gaunama tiesės lygtis ay = mx + b. Įvedus žinomą kintamąjį (x), gaunamas nežinomo kintamojo (y) numatymas.
Dauguma santykių tarp kintamųjų realiame pasaulyje yra ne linijiniai, o sudėtingi ir netaisyklingos formos. Todėl tiesinė regresija dažnai nėra naudinga. Kiti klasifikavimo algoritmai gali modeliuoti sudėtingesnius ryšius, pavyzdžiui, kreivinius arba logaritminius ryšius. Pavyzdžiui, logistinės regresijos algoritmas gali modeliuoti sudėtingus ryšius, gali apimti neskaitinius kintamuosius (pvz., kategorijas) ir dažnai gali sukurti realistiškus ir statistiškai pagrįstus modelius. Tipiškas logistinės regresijos modelio rezultatas yra numatoma rezultato / įvykio tikimybė. Kiti klasifikavimo algoritmai suteikia panašią išvestį kaip logistinė regresija, tačiau reikalingi algoritmai skiriasi.
Sudėtingų santykių modeliavimas yra ypač naudingas rizikos valdymui, kai rizikai paprastai teikiama pirmenybė, atsižvelgiant į konkretaus rezultato tikimybę ir galimą sunkumą. Modeliuojant rizikos veiksnius, kurie prisideda prie to rezultato, gaunamas tikslus ir statistiškai pagrįstas rezultato tikimybės įvertinimas. Priešingai, daugelis rizikos vertinimų „tikimybę“ matuoja kategorine skale (kartą per dešimtmetį, kartą per metus, kelis kartus per metus), kuri yra ne tokia tiksli, subjektyvesnė, todėl neįmanoma atskirti rizikos, kylančios iš rizikos. ta pati plati kategorija. Yra ir kitų metodų, leidžiančių kiekybiškai įvertinti galimą rizikos laipsnį, tačiau tai nepatenka į šio straipsnio taikymo sritį.
BlogInnovazione.it
„Google DeepMind“ pristato patobulintą dirbtinio intelekto modelio versiją. Naujasis patobulintas modelis suteikia ne tik…
Elegantiška sintaksė ir galingomis funkcijomis garsėjantis „Laravel“ taip pat suteikia tvirtą pagrindą modulinei architektūrai. Ten…
„Cisco“ ir „Splunk“ padeda klientams paspartinti jų kelionę į ateities saugos operacijų centrą (SOC) naudodami…
„Ransomware“ dominuoja naujienose pastaruosius dvejus metus. Daugelis žmonių puikiai žino, kad išpuoliai…
Katanijos poliklinikoje buvo atlikta oftalmoplastikos operacija naudojant „Apple Vision Pro“ reklaminę peržiūrą…
Lavindami smulkiosios motorikos įgūdžius dažydami, vaikai paruošiami sudėtingesniems įgūdžiams, pavyzdžiui, rašymui. Norėdami nuspalvinti…
Karinio jūrų laivyno sektorius yra tikra pasaulinė ekonominė galia, kuri pasiekė 150 mlrd.
Praėjusį pirmadienį „Financial Times“ paskelbė apie susitarimą su „OpenAI“. FT licencijuoja savo pasaulinio lygio žurnalistiką…
