Geskatte leestyd: 6 minuti
Maatskappye genereer steeds toenemende hoeveelhede data wat met sakebedrywighede geassosieer word, wat lei tot hernude belangstelling in voorspellende analise, 'n veld wat groot datastelle ontleed om patrone te identifiseer, uitkomste te voorspel en besluitneming te lei. Maatskappye staar ook 'n komplekse en steeds groeiende reeks operasionele risiko's in die gesig wat proaktief geïdentifiseer en versag moet word. Terwyl baie maatskappye voorspellende ontledings begin gebruik het om bemarkings-/verkoopgeleenthede te identifiseer, is soortgelyke strategieë minder algemeen in risikobestuur, insluitend sekuriteit.
Klassifikasiealgoritmes, 'n algemene klas voorspellende analise, kan veral nuttig wees vir die raffinering en petrochemiese industrieë deur die tydsberekening en ligging van veiligheidsinsidente te voorspel gebaseer op veiligheidsverwante inspeksie- en instandhoudingsdata, in wese leidende aanwysers. Daar is twee hoofuitdagings wat met hierdie metode geassosieer word: (1) om te verseker dat die gemete leidende aanwysers eintlik voorspellend is vir ongelukke en (2) om die leidende aanwysers gereeld genoeg te meet om voorspellende waarde te hê.
Deur gereeld bygewerkte inspeksiedata te gebruik, kan 'n model met behulp van 'n logistiese regressie geskep word. Op hierdie manier kan jy byvoorbeeld 'n model skep om die waarskynlikheid van spooronderbreking vir elke myl spoor te voorspel. Waarskynlikhede kan opgedateer word soos bykomende data ingesamel word.
Benewens die voorspelde waarskynlikhede van spoormislukking, kan ons met dieselfde model die veranderlikes met groter voorspellende geldigheid identifiseer (dié wat beduidend tot spoormislukking bydra). Deur die modelresultate te gebruik, sal jy presies kan identifiseer waar om instandhouding, inspeksie en kapitaalverbeteringshulpbronne te fokus en watter faktore om tydens hierdie aktiwiteite aan te spreek.
Dieselfde metodologie kan in die raffinering en petrochemiese nywerhede gebruik word om risiko's te bestuur deur ongelukke te voorspel en te voorkom, mits organisasies:
Voorspellende analise is 'n breë veld wat aspekte van verskeie dissiplines insluit, insluitend masjienleer,kunsmatige intelligensie, statistieke en data-ontginning. Voorspellende analise ontbloot patrone en neigings in groot datastelle. Een tipe voorspellende analise, klassifikasie-algoritmes, kan veral voordelig wees vir die raffinering en petrochemiese nywerhede.
Klassifikasiealgoritmes kan as masjienleer onder toesig geklassifiseer word. Met leer onder toesig het die gebruiker 'n datastel wat metings van voorspellende veranderlikes insluit wat aan bekende uitkomste gekoppel kan word. In die model wat in die gevallestudie-afdeling van hierdie artikel bespreek is, is verskeie spoormetings (bv. kromming, kruisings) gedurende 'n tydperk vir elke myl van spoor geneem. Die bekende uitkoms, in hierdie geval, is of 'n spoormislukking op elke spoormyl gedurende daardie twee jaar tydperk plaasgevind het.
'n Toepaslike modelleringsalgoritme word dan gekies en gebruik om die data te ontleed en verwantskappe tussen veranderlike metings en uitkomste te identifiseer om voorspellende reëls ('n model) te skep. Sodra dit geskep is, kry die model 'n nuwe datastel wat metings van onbekende voorspellerveranderlikes en -uitkomste bevat en sal dan die waarskynlikheid van die uitkoms bereken op grond van die model se reëls. Dit word vergelyk met tipes leer sonder toesig, waar algoritmes patrone en neigings in 'n datastel opspoor sonder enige spesifieke rigting van die gebruiker, behalwe die algoritme wat gebruik word.
Algemene klassifikasie algoritmes sluit in lineêre regressie, logistiese regressie, besluit boom, neurale netwerk, ondersteuning vektor / buigsame diskriminant masjien, naïewe Bayes klassifiseerder, en vele ander. Lineêre regressies verskaf 'n eenvoudige voorbeeld van hoe 'n klassifikasie-algoritme werk. In 'n lineêre regressie word 'n beste paslyn bereken op grond van die bestaande datapunte, wat die lynvergelyking ay = mx + b gee. Die invoer van die bekende veranderlike (x) verskaf 'n voorspelling vir die onbekende veranderlike (y).
Die meeste verwantskappe tussen veranderlikes in die werklike wêreld is nie lineêr nie, maar kompleks en onreëlmatig gevorm. Daarom is lineêre regressie dikwels nie nuttig nie. Ander klassifikasie-algoritmes is in staat om meer komplekse verwantskappe te modelleer, soos kromlynige of logaritmiese verwantskappe. Byvoorbeeld, 'n logistiese regressie-algoritme kan komplekse verhoudings modelleer, kan nie-numeriese veranderlikes (bv. kategorieë) inkorporeer, en kan dikwels realistiese en statisties geldige modelle skep. Die tipiese uitset van 'n logistiese regressiemodel is die voorspelde waarskynlikheid dat die uitkoms/gebeurtenis sal plaasvind. Ander klassifikasie-algoritmes verskaf soortgelyke uitset as logistiese regressie, maar die vereiste insette verskil tussen algoritmes.
Modellering van komplekse verhoudings is veral nuttig in risikobestuur, waar risiko tipies geprioritiseer word op grond van die waarskynlikheid en potensiële erns van 'n bepaalde uitkoms. Modellering van die risikofaktore wat bydra tot daardie uitkoms lei tot 'n presiese en statisties geldige skatting van die waarskynlikheid van die uitkoms. Daarteenoor meet baie risikobeoordelings "waarskynlikheid" op 'n kategoriese skaal (een keer 'n dekade, een keer 'n jaar, 'n paar keer per jaar), wat minder presies, meer subjektief is en dit onmoontlik maak om te onderskei tussen risiko's wat in die risiko voorkom. dieselfde breë kategorie. Daar is ander tegnieke om potensiële erns in 'n risikobepaling kwantifiseerbaar te bepaal, maar dit is buite die bestek van hierdie artikel.
BlogInnovazione.it
Die ontwikkeling van fyn motoriese vaardighede deur inkleur berei kinders voor vir meer komplekse vaardighede soos skryf. Om in te kleur...
Die vlootsektor is 'n ware globale ekonomiese moondheid, wat na 'n 150 miljard-mark navigeer het ...
Verlede Maandag het die Financial Times 'n ooreenkoms met OpenAI aangekondig. FT lisensieer sy wêreldklas-joernalistiek ...
Miljoene mense betaal vir stromingsdienste en betaal maandelikse intekengeld. Dit is algemene opinie dat jy...
