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

Андронов, А.Н. и Бадокина, Т.Е. (2025) Методы анализа выживаемости в задаче прогнозирования выхода из строя оборудования промышленных предприятий. Вестник ТвГУ. Серия: Прикладная математика (2). С. 65-83. ISSN 1995-0136

[thumbnail of vestnik-pmk-2025-2-read-65-83.pdf]

PDF - Опубликованная версия
575kB

Абстракт

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

Абстракт (англ.)

The article explores the application of survival analysis methods for predicting the time until failure of industrial equipment. Classical approaches such as the Kaplan-Meier method and the Cox model, as well as their modifications and machine learning techniques, including Random Survival Forests (RSF), are examined. Using real-world data from a meat processing plant, it is demonstrated that original parts have a lower risk of failure compared to non-original ones. The study also investigates the impact of various factors on the likelihood of industrial equipment failure using survival analysis methods. The Kaplan-Meier and Cox models demonstrated comparable accuracy, while weighted methods proved to be more adaptable to censored data. For quality assessment, metrics such as the Concordance Index, Brier Score, and Time-Dependent AUC were utilized

Тип объекта:	Статья
Сведения об авторах:	Андронов Артем Николаевич доцент кафедры анализа данных и искусственного интеллекта факультета математики и информационных технологий МГУ им. Н.П. Огарёва. Россия, 430005, г. Саранск, ул. Большевистская, д. 68, МГУ им. Н.П. Огарёва. Бадокина Татьяна Евгеньевна доцент кафедры анализа данных и искусственного интеллекта факультета математики и информационных технологий МГУ им. Н.П. Огарёва. Россия, 430005, г. Саранск, ул. Большевистская, д. 68, МГУ им. Н.П. Огарёва.
Ключевые слова:	анализ выживаемости, отказ оборудования, функция выживаемости, функция риска, модель Каплана-Мейера, модель Кокса, модель Random Survival Forest
Ключевые слова (англ.):	The article explores the application of survival analysis methods for predicting the time until failure of industrial equipment. Classical approaches such as the Kaplan-Meier method and the Cox model, as well as their modifications and machine learning techniques, including Random Survival Forests (RSF), are examined. Using real-world data from a meat processing plant, it is demonstrated that original parts have a lower risk of failure compared to non-original ones. The study also investigates the impact of various factors on the likelihood of industrial equipment failure using survival analysis methods. The Kaplan-Meier and Cox models demonstrated comparable accuracy, while weighted methods proved to be more adaptable to censored data. For quality assessment, metrics such as the Concordance Index, Brier Score, and Time-Dependent AUC were utilized
Категории:	5 Математика. Естественные науки 5 Математика. Естественные науки > 51 Математика 5 Математика. Естественные науки > 51 Математика > 519.2 Теория вероятностей и математическая статистика 5 Математика. Естественные науки > 51 Математика > 519.2 Теория вероятностей и математическая статистика > 519.23 Методы статистического анализа и вывода
Подразделения:	Университеты > Мордовский государственный университет имени Н. П. Огарева, г. Саранск
ID Code:	14890
Deposited On:	14 Окт 2025 09:26
Последнее изменение:	14 Окт 2025 09:26

Repository Staff Only: item control page