Taxminiy o'qish vaqti: 6 daqiqada
Kompaniyalar biznes operatsiyalari bilan bog'liq bo'lgan doimiy o'sib borayotgan ma'lumotlar miqdorini ishlab chiqarmoqda, bu esa naqshlarni aniqlash, natijalarni bashorat qilish va qaror qabul qilishda yo'l-yo'riq ko'rsatish uchun katta ma'lumotlar to'plamini tahlil qiladigan prognozli tahlilga qiziqishning ortishiga olib keladi. Kompaniyalar, shuningdek, faol ravishda aniqlash va yumshatish kerak bo'lgan murakkab va tobora kengayib borayotgan operatsion xatarlarga duch kelishadi. Ko'pgina kompaniyalar marketing/sotish imkoniyatlarini aniqlash uchun bashoratli tahlillardan foydalanishni boshlagan bo'lsa-da, shunga o'xshash strategiyalar xavflarni boshqarishda, shu jumladan xavfsizlikda kamroq tarqalgan.
Tasniflash algoritmlari, bashoratli analitikaning umumiy klassi, ayniqsa, etakchi ko'rsatkichlar bo'lgan xavfsizlik bilan bog'liq bo'lgan tekshirish va texnik xizmat ko'rsatish ma'lumotlari asosida xavfsizlik hodisalari vaqti va joyini bashorat qilish orqali neftni qayta ishlash va neft-kimyo sanoati uchun foydali bo'lishi mumkin. Ushbu usul bilan bog'liq ikkita asosiy qiyinchilik mavjud: (1) o'lchangan etakchi ko'rsatkichlar haqiqatda buzilishlarni bashorat qilishini ta'minlash va (2) prognoz qiymatiga ega bo'lish uchun etakchi ko'rsatkichlarni tez-tez o'lchash.
Muntazam ravishda yangilanadigan tekshiruv ma'lumotlaridan foydalangan holda, logistik regressiya yordamida model yaratilishi mumkin. Shunday qilib, masalan, har bir mil uchun temir yo'lning ishdan chiqishi ehtimolini taxmin qilish uchun model yaratishingiz mumkin. Qo'shimcha ma'lumotlar yig'ilganda ehtimolliklar yangilanishi mumkin.
Temir yo'l buzilishining bashorat qilingan ehtimoliga qo'shimcha ravishda, xuddi shu model yordamida biz ko'proq bashoratli haqiqiylikka ega bo'lgan o'zgaruvchilarni aniqlashimiz mumkin (temir yo'l ishdan chiqishiga sezilarli hissa qo'shadiganlar). Model natijalaridan foydalanib, siz texnik xizmat ko'rsatish, tekshirish va kapitalni yaxshilash resurslarini qayerga yo'naltirish kerakligini va ushbu faoliyat davomida qanday omillarni hal qilish kerakligini aniqlay olasiz.
Xuddi shu metodologiya neftni qayta ishlash va neft-kimyo sanoatida baxtsiz hodisalarni bashorat qilish va oldini olish orqali xavflarni boshqarish uchun qo'llanilishi mumkin, agar tashkilotlar:
Bashoratli analitika - bu turli fanlarning, jumladan, mashinani o'rganishni o'z ichiga olgan keng sohasun'iy aql, statistika va Ma'lumotlarni konida. Bashoratli tahlil katta ma'lumotlar to'plamlaridagi naqsh va tendentsiyalarni ochib beradi. Bashoratli tahlillarning bir turi, tasniflash algoritmlari, ayniqsa, neftni qayta ishlash va neft-kimyo sanoati uchun foydali bo'lishi mumkin.
Tasniflash algoritmlarini boshqariladigan mashinalarni o'rganish sifatida tasniflash mumkin. Nazorat ostidagi ta'lim bilan foydalanuvchi ma'lum natijalar bilan bog'lanishi mumkin bo'lgan bashoratli o'zgaruvchilar o'lchovlarini o'z ichiga olgan ma'lumotlar to'plamiga ega. Ushbu maqolaning misollar bo'limida muhokama qilingan modelda har bir mil uchun yo'lning turli xil o'lchovlari (masalan, egrilik, kesishmalar) olingan. Ma'lum bo'lgan natija, bu holda, o'sha ikki yillik davr mobaynida har bir temir yo'l milida yo'lda nosozlik yuz berganmi yoki yo'qmi.
Keyin tegishli modellashtirish algoritmi tanlanadi va ma'lumotlarni tahlil qilish va o'zgaruvchan o'lchovlar va natijalar o'rtasidagi munosabatlarni aniqlash uchun bashorat qilish qoidalarini (model) yaratish uchun ishlatiladi. Yaratilgandan so'ng, modelga noma'lum bashorat qiluvchi o'zgaruvchilar va natijalarning o'lchovlarini o'z ichiga olgan yangi ma'lumotlar to'plami beriladi va keyin model qoidalariga asoslanib, natija ehtimolini hisoblab chiqadi. Bu nazoratsiz o'rganish turlari bilan taqqoslanadi, bunda algoritmlar foydalanuvchining aniq ko'rsatmasisiz ma'lumotlar to'plamidagi naqsh va tendentsiyalarni aniqlaydi, foydalanilgan algoritmdan tashqari.
Keng tarqalgan tasniflash algoritmlariga chiziqli regressiya, logistik regressiya, qarorlar daraxti, neyron tarmoq, vektorni qo'llab-quvvatlash / moslashuvchan diskriminant mashinasi, sodda Bayes tasniflagichi va boshqalar kiradi. Chiziqli regressiyalar tasniflash algoritmi qanday ishlashiga oddiy misol beradi. Chiziqli regressiyada mavjud ma'lumotlar nuqtalari asosida eng yaxshi mos chiziq hisoblab chiqiladi va ay = mx + b chiziq tenglamasini beradi. Ma'lum o'zgaruvchini (x) kiritish noma'lum o'zgaruvchi (y) uchun bashorat beradi.
Haqiqiy dunyoda o'zgaruvchilar o'rtasidagi munosabatlarning aksariyati chiziqli emas, balki murakkab va tartibsiz shaklga ega. Shuning uchun chiziqli regressiya ko'pincha foydali emas. Boshqa tasniflash algoritmlari egri chiziqli yoki logarifmik munosabatlar kabi murakkabroq munosabatlarni modellashtirishga qodir. Masalan, logistik regressiya algoritmi murakkab munosabatlarni modellashtirishi, raqamli bo'lmagan o'zgaruvchilarni (masalan, toifalar) o'z ichiga olishi va ko'pincha real va statistik jihatdan haqiqiy modellarni yaratishi mumkin. Logistik regressiya modelining odatiy natijasi bu sodir bo'ladigan natija/hodisaning bashorat qilingan ehtimolidir. Boshqa tasniflash algoritmlari logistik regressiyaga o'xshash natijalarni beradi, ammo talab qilinadigan kirishlar algoritmlar o'rtasida farq qiladi.
Murakkab munosabatlarni modellashtirish, ayniqsa, xavf-xatarni boshqarishda foydalidir, bu erda xavf odatda ma'lum bir natijaning ehtimoli va potentsial jiddiyligiga qarab ustuvor hisoblanadi. Ushbu natijaga hissa qo'shadigan xavf omillarini modellashtirish natijaning ehtimolini aniq va statistik jihatdan asosli baholashga olib keladi. Aksincha, ko'plab xavflarni baholashda "ehtimollik" toifali miqyosda (o'n yilda bir marta, yiliga bir marta, yiliga bir necha marta) o'lchanadi, bu kamroq aniqroq, sub'ektivroqdir va xavfda mavjud bo'lgan xavflarni farqlashni imkonsiz qiladi. bir xil keng toifa. Xavfni baholashda potentsial jiddiylikni miqdoriy jihatdan baholashning boshqa usullari mavjud, ammo bu ushbu maqola doirasidan tashqarida.
BlogInnovazione.it
O'tgan dushanba kuni Financial Times OpenAI bilan shartnoma imzolaganini e'lon qildi. FT o'zining jahon darajasidagi jurnalistikasini litsenziyalaydi...
Millionlab odamlar oylik abonent to'lovlarini to'lab, oqim xizmatlari uchun to'laydilar. Umumiy fikr, siz ...
Veeam tomonidan ishlab chiqarilgan Coveware kiber tovlamachilik hodisalariga javob berish xizmatlarini taqdim etishda davom etadi. Coveware sud tibbiyoti va remediatsiya imkoniyatlarini taklif qiladi ...
Bashoratli texnik xizmat ko'rsatish zavodlarni boshqarishga innovatsion va proaktiv yondashuv bilan neft va gaz sektorini inqilob qilmoqda.…
