Искусственный интеллект и машинное обучение

Методы анализа выживаемости в задаче прогнозирования выхода из строя оборудования промышленных предприятий

А. Н. Андронов, Т. Е. Бадокина

Мордовский государственный университет им. Н.П. Огарева, г. Саранск

Аннотация: В статье исследуется применение методов анализа выживаемости для прогнозирования времени до отказа промышленного оборудования. Рассмотрены классические подходы, такие как метод Каплана-Мейера и модель Кокса, а также их модификации и методы машинного обучения, включая случайный лес выживаемости (RSF). На реальных данных мясоперерабатывающего предприятия показано, что оригинальные детали имеют меньший риск отказа по сравнению с неоригинальными. В работе также исследовано влияние различных факторов на вероятность выхода из строя промышленного оборудования методами анализа выживаемости. Модели Каплана-Мейера и Кокса продемонстрировали схожую точность, а взвешенные методы оказались более адаптивными к цензурированным данным. Для оценки качества использовались метрики Concordance Index, Brier Score и Time-Dependent AUC.

Ключевые слова: анализ выживаемости, отказ оборудования, функция выживаемости, функция риска, модель Каплана-Мейера, модель Кокса, модель Random Survival Forest.

УДК: 519.23, 004.85

Поступила в редакцию: 16.03.2025
Исправленный вариант: 25.05.2025

DOI: 10.26456/vtpmk737

Реферативные базы данных:

•