Geschatte leestijd: 6 minuti
Bedrijven genereren steeds grotere hoeveelheden gegevens die verband houden met bedrijfsactiviteiten, wat leidt tot een hernieuwde belangstelling voor voorspellende analyses, een veld dat grote datasets analyseert om patronen te identificeren, resultaten te voorspellen en besluitvorming te begeleiden. Bedrijven worden ook geconfronteerd met een complex en steeds groter wordend scala aan operationele risico’s die proactief moeten worden geïdentificeerd en beperkt. Hoewel veel bedrijven voorspellende analyses zijn gaan gebruiken om marketing- en verkoopkansen te identificeren, komen soortgelijke strategieën minder vaak voor op het gebied van risicobeheer, inclusief beveiliging.
Classificatie-algoritmen, een algemene klasse van voorspellende analyses, kunnen bijzonder nuttig zijn voor de raffinage- en petrochemische industrie, omdat ze de timing en locatie van veiligheidsincidenten kunnen voorspellen op basis van veiligheidsgerelateerde inspectie- en onderhoudsgegevens, die in wezen leidende indicatoren zijn. Er zijn twee belangrijke uitdagingen verbonden aan deze methode: (1) ervoor zorgen dat de gemeten voorlopende indicatoren daadwerkelijk voorspellend zijn voor ongevallen en (2) de voorlopende indicatoren frequent genoeg meten om voorspellende waarde te hebben.
Met behulp van regelmatig bijgewerkte inspectiegegevens kan een model worden gemaakt met behulp van een logistische regressie. Zo kun je bijvoorbeeld een model maken waarmee je voor elke kilometer spoor de kans op spoorstoringen kunt voorspellen. Waarschijnlijkheden kunnen worden bijgewerkt naarmate aanvullende gegevens worden verzameld.
Naast de voorspelde kansen op spoorstoringen kunnen we met hetzelfde model de variabelen identificeren met een grotere voorspellende waarde (de variabelen die significant bijdragen aan spoorstoringen). Met behulp van de modelresultaten kunt u precies bepalen waar u de middelen voor onderhoud, inspectie en kapitaalverbetering op moet richten en welke factoren u tijdens deze activiteiten moet aanpakken.
Dezelfde methodologie zou kunnen worden gebruikt in de raffinage- en petrochemische industrie om risico's te beheersen door ongevallen te voorspellen en te voorkomen, op voorwaarde dat organisaties:
Predictive analytics is een breed vakgebied dat aspecten van verschillende disciplines omvat, waaronder machine learning,kunstmatige intelligentie, statistieken en datamining. Voorspellende analyses brengen patronen en trends in grote datasets aan het licht. Eén type voorspellende analyse, classificatie-algoritmen, zou vooral gunstig kunnen zijn voor de raffinage- en petrochemische industrie.
Classificatie-algoritmen kunnen worden geclassificeerd als begeleid machinaal leren. Met begeleid leren beschikt de gebruiker over een dataset met metingen van voorspellende variabelen die kunnen worden gekoppeld aan bekende uitkomsten. In het model dat in het casestudygedeelte van dit artikel wordt besproken, zijn gedurende een periode voor elke kilometer spoor verschillende spoormetingen (bijvoorbeeld kromming, kruisingen) uitgevoerd. De bekende uitkomst is in dit geval of er gedurende die periode van twee jaar op elke spoormijl een spoorstoring heeft plaatsgevonden.
Vervolgens wordt een geschikt modelleringsalgoritme geselecteerd en gebruikt om de gegevens te analyseren en relaties tussen variabele metingen en uitkomsten te identificeren om voorspellende regels (een model) te creëren. Eenmaal gemaakt, krijgt het model een nieuwe dataset met metingen van onbekende voorspellende variabelen en uitkomsten en berekent het vervolgens de waarschijnlijkheid van de uitkomst op basis van de regels van het model. Dit wordt vergeleken met vormen van onbewaakt leren, waarbij algoritmen patronen en trends in een dataset detecteren zonder enige specifieke richting van de gebruiker, anders dan het gebruikte algoritme.
Veel voorkomende classificatie-algoritmen zijn onder meer lineaire regressie, logistische regressie, beslissingsboom, neuraal netwerk, ondersteunende vector/flexibele discriminantmachine, naïeve Bayes-classificator en vele andere. Lineaire regressies bieden een eenvoudig voorbeeld van hoe een classificatie-algoritme werkt. Bij een lineaire regressie wordt een best passende lijn berekend op basis van de bestaande gegevenspunten, waardoor de lijnvergelijking ay = mx + b ontstaat. Het invoeren van de bekende variabele (x) levert een voorspelling op voor de onbekende variabele (y).
De meeste relaties tussen variabelen in de echte wereld zijn niet lineair, maar complex en onregelmatig gevormd. Daarom is lineaire regressie vaak niet nuttig. Andere classificatiealgoritmen zijn in staat complexere relaties te modelleren, zoals kromlijnige of logaritmische relaties. Een logistiek regressie-algoritme kan bijvoorbeeld complexe relaties modelleren, niet-numerieke variabelen (bijvoorbeeld categorieën) opnemen en vaak realistische en statistisch geldige modellen creëren. De typische output van een logistisch regressiemodel is de voorspelde waarschijnlijkheid dat de uitkomst/gebeurtenis optreedt. Andere classificatiealgoritmen bieden vergelijkbare resultaten als logistieke regressie, maar de vereiste invoer verschilt per algoritme.
Het modelleren van complexe relaties is vooral nuttig bij risicobeheer, waarbij risico's doorgaans worden geprioriteerd op basis van de waarschijnlijkheid en de potentiële ernst van een bepaalde uitkomst. Het modelleren van de risicofactoren die bijdragen aan die uitkomst resulteert in een nauwkeurige en statistisch geldige schatting van de waarschijnlijkheid van de uitkomst. Daarentegen meten veel risicobeoordelingen de ‘waarschijnlijkheid’ op een categorische schaal (eens per decennium, eens per jaar, meerdere keren per jaar), wat minder nauwkeurig en subjectiever is en het onmogelijk maakt om onderscheid te maken tussen de risico’s die in het risico aanwezig zijn. dezelfde brede categorie. Er zijn andere technieken om de potentiële ernst kwantificeerbaar te beoordelen in een risicobeoordeling, maar dit valt buiten het bestek van dit artikel.
BlogInnovazione.it
De marinesector is een echte mondiale economische macht, die is genavigeerd naar een markt van 150 miljard...
Afgelopen maandag maakte de Financial Times een deal met OpenAI bekend. FT geeft licenties voor haar journalistiek van wereldklasse...
Miljoenen mensen betalen voor streamingdiensten en betalen maandelijkse abonnementskosten. De algemene mening is dat je…
Coveware by Veeam zal responsdiensten op het gebied van cyberafpersingsincidenten blijven leveren. Coveware zal forensische en herstelmogelijkheden bieden...