Timp de citire estimat: 6 minute
Companiile generează cantități din ce în ce mai mari de date asociate cu operațiunile de afaceri, ceea ce duce la un interes reînnoit pentru analiza predictivă, un domeniu care analizează seturi mari de date pentru a identifica modele, a prezice rezultate și a ghida luarea deciziilor. Companiile se confruntă, de asemenea, cu o gamă complexă și în continuă extindere de riscuri operaționale care trebuie identificate și atenuate în mod proactiv. În timp ce multe companii au început să utilizeze analiza predictivă pentru a identifica oportunitățile de marketing/vânzări, strategiile similare sunt mai puțin frecvente în managementul riscurilor, inclusiv în securitate.
Algoritmii de clasificare, o clasă generală de analiză predictivă, ar putea fi deosebit de utili pentru industriile de rafinare și petrochimie, prin prezicerea momentului și a locației incidentelor de siguranță pe baza datelor de inspecție și întreținere legate de siguranță, în esență indicatori principali. Există două provocări principale asociate cu această metodă: (1) asigurarea faptului că indicatorii conducători măsurați sunt de fapt predictivi pentru accidente și (2) măsurarea indicatorilor principali suficient de frecvent pentru a avea valoare predictivă.
Folosind date de inspecție actualizate în mod regulat, un model poate fi creat folosind o regresie logistică. În acest fel, puteți crea un model, de exemplu, pentru a prezice probabilitatea defecțiunii șinei pentru fiecare milă de cale. Probabilitățile pot fi actualizate pe măsură ce sunt colectate date suplimentare.
Pe lângă probabilitățile prezise de defectare a șinei, cu același model putem identifica variabilele cu validitate predictivă mai mare (cele care contribuie semnificativ la defectarea șinei). Folosind rezultatele modelului, veți putea identifica exact unde să concentrați resursele de întreținere, inspecție și îmbunătățire a capitalului și ce factori trebuie abordați în timpul acestor activități.
Aceeași metodologie ar putea fi utilizată în industria de rafinare și petrochimie pentru a gestiona riscurile prin predicția și prevenirea accidentelor, cu condiția ca organizațiile:
Analiza predictivă este un domeniu larg care cuprinde aspecte ale diferitelor discipline, inclusiv învățarea automată,inteligenta artificiala, statistici și data mining. Analiza predictivă descoperă modele și tendințe în seturi mari de date. Un tip de analiză predictivă, algoritmii de clasificare, ar putea fi deosebit de benefic pentru industriile de rafinare și petrochimie.
Algoritmii de clasificare pot fi clasificați ca învățare automată supravegheată. Cu învățarea supravegheată, utilizatorul are un set de date care include măsurători ale variabilelor predictive care pot fi legate de rezultate cunoscute. În modelul discutat în secțiunea de studiu de caz a acestui articol, au fost luate diferite măsurători ale căii (de exemplu, curbură, traversări) pe parcursul unei perioade pentru fiecare milă de cale. Rezultatul cunoscut, în acest caz, este dacă a avut loc o defecțiune a căii pe fiecare milă feroviară în acea perioadă de doi ani.
Un algoritm de modelare adecvat este apoi selectat și utilizat pentru a analiza datele și a identifica relațiile dintre măsurătorile variabilelor și rezultate pentru a crea reguli predictive (un model). Odată creat, modelului i se oferă un nou set de date care conține măsurători ale variabilelor predictoare necunoscute și ale rezultatelor și apoi va calcula probabilitatea rezultatului pe baza regulilor modelului. Acest lucru este comparat cu tipurile de învățare nesupravegheată, în care algoritmii detectează modele și tendințe într-un set de date fără nicio direcție specifică din partea utilizatorului, alta decât algoritmul utilizat.
Algoritmii obișnuiți de clasificare includ regresia liniară, regresia logistică, arborele de decizie, rețeaua neuronală, vectorul suport/mașina discriminantă flexibilă, clasificatorul Bayes naiv și multe altele. Regresiile liniare oferă un exemplu simplu al modului în care funcționează un algoritm de clasificare. Într-o regresie liniară, o linie de cea mai bună potrivire este calculată pe baza punctelor de date existente, dând ecuația liniei ay = mx + b. Introducerea variabilei cunoscute (x) oferă o predicție pentru variabila necunoscută (y).
Majoritatea relațiilor dintre variabile din lumea reală nu sunt liniare, ci complexe și au o formă neregulată. Prin urmare, regresia liniară nu este adesea utilă. Alți algoritmi de clasificare sunt capabili să modeleze relații mai complexe, cum ar fi relațiile curbilinii sau logaritmice. De exemplu, un algoritm de regresie logistică poate modela relații complexe, poate încorpora variabile non-numerice (de exemplu, categorii) și poate crea adesea modele realiste și valide statistic. Rezultatul obișnuit al unui model de regresie logistică este probabilitatea prezisă de apariție a rezultatului/evenimentului. Alți algoritmi de clasificare oferă rezultate similare regresiei logistice, dar intrările necesare sunt diferite între algoritmi.
Modelarea relațiilor complexe este deosebit de utilă în managementul riscului, unde riscul este de obicei prioritizat în funcție de probabilitatea și severitatea potențială a unui anumit rezultat. Modelarea factorilor de risc care contribuie la acel rezultat are ca rezultat o estimare precisă și validă statistic a probabilității rezultatului. În schimb, multe evaluări de risc măsoară „probabilitatea” pe o scară categoric (o dată pe deceniu, o dată pe an, de mai multe ori pe an), care este mai puțin precisă, mai subiectivă și face imposibilă distingerea între riscurile prezente în risc. aceeași categorie largă. Există și alte tehnici pentru evaluarea cuantificabilă a severității potențiale într-o evaluare a riscului, dar acest lucru depășește domeniul de aplicare al acestui articol.
BlogInnovazione.it
Luni trecută, Financial Times a anunțat un acord cu OpenAI. FT își licențiază jurnalismul de clasă mondială...
Milioane de oameni plătesc pentru serviciile de streaming, plătind taxe lunare de abonament. Este o părere comună că tu...
Coveware de la Veeam va continua să ofere servicii de răspuns la incidente de extorcare cibernetică. Coveware va oferi capacități criminalistice și de remediere...
Întreținerea predictivă revoluționează sectorul petrolului și gazelor, cu o abordare inovatoare și proactivă a managementului uzinelor...
