Проценето време за читање: 6 минути
Компаниите генерираат сè поголеми количини на податоци поврзани со деловните операции, што доведува до обновен интерес за предвидлива аналитика, поле кое анализира големи збирки податоци за да ги идентификува шемите, да ги предвиди исходите и да го води донесувањето одлуки. Компаниите исто така се соочуваат со комплексен и постојано проширен опсег на оперативни ризици кои треба проактивно да се идентификуваат и ублажат. Додека многу компании почнаа да користат предвидлива аналитика за да ги идентификуваат можностите за маркетинг/продажба, слични стратегии се поретки во управувањето со ризик, вклучително и безбедноста.
Алгоритмите за класификација, општа класа на предвидлива аналитика, би можеле да бидат особено корисни за рафинирањето и петрохемиските индустрии со предвидување на времето и локацијата на безбедносните инциденти врз основа на податоците за инспекција и одржување поврзани со безбедноста, во суштина водечки индикатори. Постојат два главни предизвици поврзани со овој метод: (1) обезбедување дека измерените водечки индикатори се всушност предвидливи за падови и (2) мерење на водечките индикатори доволно често за да имаат предвидлива вредност.
Со користење на редовно ажурирани инспекциски податоци, модел може да се креира со помош на логистичка регресија. На овој начин можете да креирате модел, на пример, да ја предвидите веројатноста за дефект на шината за секоја милја од пругата. Веројатноста може да се ажурира како што се собираат дополнителни податоци.
Покрај предвидените веројатности за дефект на шината, со истиот модел можеме да ги идентификуваме променливите со поголема предвидувачка важност (оние кои значително придонесуваат за дефект на шината). Користејќи ги резултатите од моделот, ќе можете точно да идентификувате каде да ги фокусирате ресурсите за одржување, инспекција и подобрување на капиталот и кои фактори треба да се решат за време на овие активности.
Истата методологија може да се користи во преработувачката и петрохемиската индустрија за управување со ризиците преку предвидување и спречување на несреќи, под услов организациите:
Предиктивната аналитика е широко поле кое опфаќа аспекти на различни дисциплини, вклучително и машинско учење,вештачка интелигенција, статистика и податоци за рударство. Предиктивната аналитика открива шеми и трендови во големи збирки податоци. Еден вид на предвидлива аналитика, алгоритми за класификација, може да биде особено корисен за рафинирањето и петрохемиската индустрија.
Алгоритмите за класификација може да се класифицираат како надгледувано машинско учење. Со надгледувано учење, корисникот има база на податоци што вклучува мерења на предвидливи променливи што може да се поврзат со познати исходи. Во моделот дискутиран во делот за студија на случај од овој напис, беа земени различни мерења на патеката (на пр. кривина, вкрстувања) во период за секоја милја патека. Познатиот исход, во овој случај, е дали дошло до дефект на пругата на секоја железничка милја во текот на тој период од две години.
Потоа се избира соодветен алгоритам за моделирање и се користи за да се анализираат податоците и да се идентификуваат врските помеѓу мерењата на променливите и исходите за да се создадат правила за предвидување (модел). Откако ќе се создаде, на моделот му се дава нова база на податоци што содржи мерења на непознати променливи предикторни и исходи и потоа ќе ја пресмета веројатноста за исходот врз основа на правилата на моделот. Ова се споредува со типови на учење без надзор, каде што алгоритмите откриваат шеми и трендови во базата на податоци без некоја конкретна насока од корисникот, освен употребениот алгоритам.
Вообичаените алгоритми за класификација вклучуваат линеарна регресија, логистичка регресија, стебло на одлуки, невронска мрежа, вектор за поддршка/флексибилна дискриминаторска машина, наивен Bayes класификатор и многу други. Линеарните регресии даваат едноставен пример за тоа како функционира алгоритамот за класификација. Во линеарна регресија, најдобро одговара линија се пресметува врз основа на постоечките точки на податоци, давајќи ја линијата равенка ay = mx + b. Внесувањето на познатата променлива (x) обезбедува предвидување за непознатата променлива (y).
Повеќето односи меѓу променливите во реалниот свет не се линеарни, туку сложени и неправилно обликувани. Затоа, линеарната регресија често не е корисна. Други алгоритми за класификација се способни за моделирање на посложени врски, како што се криволиниски или логаритамски врски. На пример, алгоритам за логистичка регресија може да моделира сложени односи, може да инкорпорира ненумерички променливи (на пример, категории) и често може да креира реални и статистички валидни модели. Типичниот излез на моделот на логистичка регресија е предвидената веројатност да се случи исходот/настанот. Другите алгоритми за класификација обезбедуваат сличен излез на логистичка регресија, но потребните влезови се различни помеѓу алгоритмите.
Моделирањето на сложени односи е особено корисно во управувањето со ризик, каде што ризикот вообичаено се дава приоритет врз основа на веројатноста и потенцијалната сериозност на одреден исход. Моделирањето на факторите на ризик кои придонесуваат за тој исход резултира со прецизна и статистички валидна проценка на веројатноста за исходот. Спротивно на тоа, многу проценки на ризик ја мерат „веројатноста“ на категорична скала (еднаш во деценија, еднаш годишно, неколку пати годишно), што е помалку прецизно, посубјективно и го прави невозможно да се направи разлика помеѓу ризиците присутни во ризикот. истата широка категорија. Постојат и други техники за квантитативно проценување на потенцијалната сериозност во проценката на ризикот, но ова е надвор од опсегот на овој член.
BlogInnovazione.it
Coveware од Veeam ќе продолжи да обезбедува услуги за одговор на инциденти на сајбер изнуда. Coveware ќе понуди форензика и способности за санација…
Предвидливото одржување го револуционизира секторот за нафта и гас, со иновативен и проактивен пристап кон управувањето со постројките.…
Обединетото Кралство CMA издаде предупредување за однесувањето на Big Tech на пазарот на вештачка интелигенција. Таму…
Уредбата за „Case Green“, формулирана од Европската унија за подобрување на енергетската ефикасност на зградите, го заврши својот законодавен процес со…
