Здравствуйте, гость ( Вход | Регистрация )
12.10.2017 - 13:33
Сообщение
#1
|
|
|
Группа: Пользователи Сообщений: 25 Регистрация: 15.08.2014 Пользователь №: 26591 |
Приветствую.
У меня есть данные по 80 приборам, по каждому циклу, для каждого прибор, разные датчики дают указание. Как я могу предложить на основании этих данных, что прибор неисправен? Какой статистический метод я должен использовать? Прибор считается вышедшим из строя, если больше измерений по нему нет. Например, есть измерения по циклам 1-151. Значит, что на 152 цикле прибор вышел из строя. Может ли тут помочь анализ выживаемости? Сообщение отредактировал Де бин Анатолий - 12.10.2017 - 18:09
Прикрепленные файлы
|
|
|
![]() |
![]() |
![]() |
15.10.2017 - 20:33
Сообщение
#2
|
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
Приветствую. У меня есть данные по 80 приборам, по каждому циклу, для каждого прибор, разные датчики дают указание. Как я могу предложить на основании этих данных, что прибор неисправен? Какой статистический метод я должен использовать? Прибор считается вышедшим из строя, если больше измерений по нему нет. Например, есть измерения по циклам 1-151. Значит, что на 152 цикле прибор вышел из строя. Может ли тут помочь анализ выживаемости? Можно использовать анализ выживаемости, но тогда придется "ручками" сводить многомерную последовательность индивидуальных показаний прибора к строке фиксированной длинны. Это задача в целом стандартная и описывается паттерном "many to one". Решение тоже стандартное -- грузиться library(keras) и описывается сетка с LSTM (хот для такого размера выборки GRU) слоем который и сворачивает историю прибора в вектор стандартной длины. На выходе предиктор "авария есть -- аварии нет". На входе список с историями приборов + всякая его нормализация. Если "прогноз момента отказа" надо сделать, то тогда придется делать архитектуру seq2seq, и на выход модели пристраивать еще один слой GRU который будет выдавать цепочку непрерывную "все ок"кончающуюся "всё плохо" для сломавшихся приборов. В общем тут надо конкретно разбираться что предсказывать надо. PS Но конечно можно и марковские цепочки попробовать пообучать, хоть это и весьма геморройное занятие. ![]() |
|
|
![]() |
![]() |
Де бин Анатолий Подскажите со стат.методом 12.10.2017 - 13:33
leo_biostat Анатолий, !
У Вас отличный массив данных... 14.10.2017 - 19:24
Де бин Анатолий КодЭто задача в целом стандартная и описывается па... 16.10.2017 - 12:41
p2004r Цитата(Де бин Анатолий @ 16.10.2017 - 12... 16.10.2017 - 19:54
p2004r Цитата(Де бин Анатолий @ 16.10.2017 - 12... 18.10.2017 - 16:03
p2004r Вот собственно сетка целиком.
Кодdf.data <- r... 18.10.2017 - 18:22
p2004r Нормализацию забыл, вот так намного устойчивее и т... 19.10.2017 - 10:22
p2004r Ну и собственно кластеризация по "импульсным ... 21.10.2017 - 16:03
p2004r Ну и по именам приборы в разных группах
Код> ... 21.10.2017 - 16:08![]() ![]() |