Tempo estimado de leitura: 6 minutos
As empresas estão a gerar quantidades cada vez maiores de dados associados às operações comerciais, levando a um interesse renovado na análise preditiva, um campo que analisa grandes conjuntos de dados para identificar padrões, prever resultados e orientar a tomada de decisões. As empresas também enfrentam uma gama complexa e cada vez maior de riscos operacionais que precisam ser identificados e mitigados de forma proativa. Embora muitas empresas tenham começado a usar análises preditivas para identificar oportunidades de marketing/vendas, estratégias semelhantes são menos comuns no gerenciamento de riscos, incluindo segurança.
Os algoritmos de classificação, uma classe geral de análise preditiva, podem ser particularmente úteis para as indústrias de refinação e petroquímica, prevendo o momento e a localização de incidentes de segurança com base em dados de inspeção e manutenção relacionados com a segurança, essencialmente indicadores antecedentes. Existem dois desafios principais associados a este método: (1) garantir que os indicadores antecedentes medidos sejam realmente preditivos de acidentes e (2) medir os indicadores antecedentes com frequência suficiente para terem valor preditivo.
Usando dados de inspeção atualizados regularmente, um modelo pode ser criado usando uma regressão logística. Dessa forma, você poderia criar um modelo, por exemplo, para prever a probabilidade de falha dos trilhos para cada quilômetro de trilho. As probabilidades podem ser atualizadas à medida que dados adicionais são coletados.
Além das probabilidades previstas de falha ferroviária, com o mesmo modelo podemos identificar as variáveis com maior validade preditiva (aquelas que contribuem significativamente para a falha ferroviária). Usando os resultados do modelo, você será capaz de identificar exatamente onde concentrar os recursos de manutenção, inspeção e melhoria de capital e quais fatores abordar durante essas atividades.
A mesma metodologia poderia ser utilizada nas indústrias de refino e petroquímica para gerenciar riscos através da previsão e prevenção de acidentes, desde que as organizações:
A análise preditiva é um campo amplo que abrange aspectos de diversas disciplinas, incluindo aprendizado de máquina,inteligência artificial, estatísticas e mineração de dados. A análise preditiva revela padrões e tendências em grandes conjuntos de dados. Um tipo de análise preditiva, os algoritmos de classificação, poderia ser particularmente benéfico para as indústrias de refino e petroquímica.
Algoritmos de classificação podem ser classificados como aprendizado de máquina supervisionado. Com a aprendizagem supervisionada, o usuário tem um conjunto de dados que inclui medições de variáveis preditivas que podem ser vinculadas a resultados conhecidos. No modelo discutido na seção de estudo de caso deste artigo, várias medições da via (por exemplo, curvatura, cruzamentos) foram feitas durante um período para cada milha da via. O resultado conhecido, neste caso, é se ocorreu uma falha na via férrea em cada milha ferroviária durante esse período de dois anos.
Um algoritmo de modelagem apropriado é então selecionado e usado para analisar os dados e identificar relações entre medidas variáveis e resultados para criar regras preditivas (um modelo). Uma vez criado, o modelo recebe um novo conjunto de dados contendo medidas de variáveis preditoras e resultados desconhecidos e, em seguida, calcula a probabilidade do resultado com base nas regras do modelo. Isso é comparado a tipos de aprendizagem não supervisionada, onde algoritmos detectam padrões e tendências em um conjunto de dados sem qualquer orientação específica do usuário, além do algoritmo usado.
Algoritmos de classificação comuns incluem regressão linear, regressão logística, árvore de decisão, rede neural, máquina discriminante vetorial/flexível de suporte, classificador Bayes ingênuo e muitos outros. As regressões lineares fornecem um exemplo simples de como funciona um algoritmo de classificação. Em uma regressão linear, a linha de melhor ajuste é calculada com base nos pontos de dados existentes, fornecendo a equação da linha ay = mx + b. Inserir a variável conhecida (x) fornece uma previsão para a variável desconhecida (y).
A maioria das relações entre variáveis no mundo real não são lineares, mas complexas e de formato irregular. Portanto, a regressão linear muitas vezes não é útil. Outros algoritmos de classificação são capazes de modelar relações mais complexas, como relações curvilíneas ou logarítmicas. Por exemplo, um algoritmo de regressão logística pode modelar relacionamentos complexos, pode incorporar variáveis não numéricas (por exemplo, categorias) e muitas vezes pode criar modelos realistas e estatisticamente válidos. O resultado típico de um modelo de regressão logística é a probabilidade prevista de ocorrência do resultado/evento. Outros algoritmos de classificação fornecem resultados semelhantes à regressão logística, mas as entradas necessárias são diferentes entre os algoritmos.
A modelagem de relacionamentos complexos é particularmente útil no gerenciamento de riscos, onde o risco é normalmente priorizado com base na probabilidade e na gravidade potencial de um resultado específico. A modelação dos factores de risco que contribuem para esse resultado resulta numa estimativa precisa e estatisticamente válida da probabilidade do resultado. Em contrapartida, muitas avaliações de risco medem a “probabilidade” numa escala categórica (uma vez por década, uma vez por ano, várias vezes por ano), que é menos precisa, mais subjectiva e torna impossível distinguir entre os riscos presentes no risco. mesma categoria ampla. Existem outras técnicas para avaliar quantificavelmente a gravidade potencial numa avaliação de risco, mas isto está além do escopo deste artigo.
BlogInnovazione.it
Uma operação de oftalmoplastia usando o visualizador comercial Apple Vision Pro foi realizada na Policlínica Catania…
O desenvolvimento de habilidades motoras finas por meio da coloração prepara as crianças para habilidades mais complexas, como escrever. Colorir…
O setor naval é uma verdadeira potência económica global, que navegou para um mercado de 150 mil milhões...
Na segunda-feira passada, o Financial Times anunciou um acordo com a OpenAI. O FT licencia seu jornalismo de classe mundial…
