Жабдықтың предиктивті аналитикасы
NDDev жабдықтың предиктивті аналитикасын құрады: модельдер датчиктер мен жөндеу тарихы бойынша істен шығу белгілерін алдын ала көрсетіп, қызмет көрсетуді қашан жоспарлау керектігін ескертеді. RnD практикасы қарапайым ережелер мен статистикадан бастап, деректер мұны растаған кезде машиналық оқытуға көшеді. Команда 100-ден астам жобаны іске асырған, ал NDDev 2019 жылдан бері жұмыс істейді.
Кімге лайық?
Жабдықтың жұмыс тарихы мен жөндеу журналы бар, ал жоспардан тыс тоқтап қалуы қымбатқа түсетін өндірістер мен сервистік қызметтер үшін.
- Сіздің істен шығу тарихыңыз бойынша болжам
- Ережелерден машиналық оқытуға дейінгі әдістер
- Өлшемдерден кейін санмен берілетін дәлдік
- Жөндеу қызметіне арналған ескертпелер
Болжам неге негізделеді
Болжам деректерден басталады: жабдық телеметриясы, жөндеу мен істен шығу журналы және жұмыс режимдері. Алдымен істен шығу жағдайлары деректерден көріне ме және олар бұзылуға дейін қанша уақыт бұрын байқалады дегенді тексереміз. Зерттеу кезеңі дегеніміз осы сұрақтың жауабы, сіз оны негізгі шартқа дейін аласыз.
- істен шығу тарихы мен телеметрияны талдау
- істен шығу жағдайларының деректерден көрінуін тексеру
- базалық ережелер және аномалияларды іздеу
- дәлдігі өлшенген болжам моделі
- жөндеу қызметіне арналған ескертпелер мен дабылдар
- модельді бақылау және жаңа деректер негізінде қайта оқыту
Әдістер қарапайымнан күрделіге қарай қолданылады: шекті мәндер мен ережелер, статистика және аномалияларды іздеу, одан кейін scikit-learn, XGBoost, LightGBM немесе CatBoost негізіндегі модельдер. Жабдықтың жанында жұмыс істеуі тиіс модельді ONNX-ке көшіреміз. Дәлдік деректерге байланысты, сондықтан біз жұмыс тәртібіне, итерацияларға және құжаттамаға кепілдік береміз, ал дәлдік цифрларын өлшемдерден кейін айтамыз.
Жөндеу журналынан болжамға дейін
Деректер аудиті
Телеметрия мен жөндеу журналын жинап, оларды уақыт бойынша сәйкестендіреміз және тарихта қанша істен шығу жағдайы бар екенін көреміз.
Базалық деңгей
Қарапайым ережелер құрып, олардың қанша істен шығу жағдайын анықтайтынын өлшейміз. Әрі қарай жасайтынның бәрін осы санмен салыстырамыз.
Модельдер
Машиналық оқыту модельдерін сынап көріп, бөлек қалдырылған деректерде базалық деңгейден асып түсетінін қалдырамыз.
Енгізу
Болжамды деректер ағынына қосып, ескертпелерді жөндеу қызметі көретін жерге шығарамыз.
Бақылау
Болжам сапасын бақылап, жабдық немесе жұмыс режимі өзгерген кезде модельді қайта оқытамыз.
Істен шығуды болжау туралы сұрақтар
Болжам жасау үшін қанша дерек керек?
Бұл істен шығу жағдайларының қаншалықты жиі болатынына және телеметрияның қаншалықты егжей-тегжейлі екеніне байланысты. Бұл сұраққа зерттеу кезеңінде сіздің деректеріңіз негізінде жауап береміз, ал олар әзірге аз болса, оны тікелей айтамыз.
Тарихта істен шығу жағдайлары жоқтың қасы болса ше?
Онда аномалияларды іздеуден бастаймыз: модель жабдықтың қалыпты жұмысы негізінде үйреніп, одан ауытқуларды белгілейді. Сонымен бірге болашақ болжамға қажет таңбаланған тарих та жиналады.
Болжам дәлдігіне кепілдік бересіздер ме?
Біз келісілген процеске, итерацияларға, өлшемдерге және құжаттамаға кепілдік береміз. Дәлдікті модель оқыту кезінде көрмеген, бөлек қалдырылған деректерде тексергеннен кейін айтамыз.
Датчиктер аз болса, аналитика жарай ма?
Кейде қолда бар деректер де жеткілікті болады: жөндеу журналы, жұмыс атқарымы, есепке алу жүйесіндегі режимдер. Егер олар жеткіліксіз болса, қандай өлшемдерді қосу керектігін айтып, оларды жинайтын бағдарламалық бөлікті жазамыз.
Предиктивті аналитика қанша тұрады?
Құны деректер көлеміне, жабдық түрлерінің санына және нақты уақыт режиміндегі болжам қажет пе дегенге байланысты құралады. Бастапқы баға құн блогында көрсетілген, ал қорытындысын деректер аудитінен кейін бекітеміз.
560 000 ₽ бастап
- Тегін кепілдік
- 80 күн
Бағалар бастапқы деңгейден көрсетілген және тек ақпарат үшін берілген; олар жария оферта болып саналмайды. Соңғы құн техникалық тапсырмада бекітіледі.
Software for equipment and industry
Тақырып бойынша
Жөндеу журналы мен жабдық деректерін көрсетіңіз
Жабдықты және ең қымбатқа түсетін ақауларды сипаттап беріңіз. Біз олардың деректеріңізден көрінетін-көрінбейтінін бағалаймыз.
24 сағат ішінде жауап береміз