Анализ корневых причин (RCA) возникновения инцидента методами машинного обучения
Аннотация
Выпускная квалифицированная работа магистра 76 стр., 28 рис., 5 табл., 24 источн.
КИБЕР-ФИЗИЧЕСКАЯ СИСТЕМА, ИНЦИДЕНТ, ОТКАЗ, СБОЙ, АНОМАЛИЯ, АНАЛИЗ КОРНЕВЫХ ПРИЧИН, НАБОР ДАННЫХ, ВРЕМЕННОЙ РЯД, МАШИННОЕ ОБУЧЕНИЕ, КЛАССИФИКАЦИЯ, НЕЙРОННАЯ СЕТЬ, ГЛУБОКОЕ ОБУЧЕНИЕ, СВЕРТОЧНО-РЕКУРРЕНТНАЯ СЕТЬ, МЕТОД МАШИННОГО ОБУЧЕНИЯ
Объект исследования – кибер-физические системы, подверженные различным инцидентам, отказам и сбоям в своей работе.
Цель работы – разработка модели машинного обучения для определения корневых причин сбоев в производственной системе, а также исследование возможности использования машинного обучения для определения причин будущих сбоев.
Методы исследования: сбор, анализ и синтез данных, сравнение, обобщение, классификация, аналогия, эксперимент, измерение, описание.
Результаты работы: разработана и обучена модель машинного обучения для анализа корневых причин инцидентов производственной установки методом классификации на выбранном наборе «сырых» данных небольшого объема с последующей провекрой качества ее работы на тестовых данных.
Область примениения – обучение модели корневым причинам инцидентов (отказов, сбоев) производственных систем на имеющихся данных с последующим оперативным обнаружением причин аномальной работы систем в тандеме с работой алгоритма по автоматическому обнаружению и прогнозированию аномалий.
КИБЕР-ФИЗИЧЕСКАЯ СИСТЕМА, ИНЦИДЕНТ, ОТКАЗ, СБОЙ, АНОМАЛИЯ, АНАЛИЗ КОРНЕВЫХ ПРИЧИН, НАБОР ДАННЫХ, ВРЕМЕННОЙ РЯД, МАШИННОЕ ОБУЧЕНИЕ, КЛАССИФИКАЦИЯ, НЕЙРОННАЯ СЕТЬ, ГЛУБОКОЕ ОБУЧЕНИЕ, СВЕРТОЧНО-РЕКУРРЕНТНАЯ СЕТЬ, МЕТОД МАШИННОГО ОБУЧЕНИЯ
Объект исследования – кибер-физические системы, подверженные различным инцидентам, отказам и сбоям в своей работе.
Цель работы – разработка модели машинного обучения для определения корневых причин сбоев в производственной системе, а также исследование возможности использования машинного обучения для определения причин будущих сбоев.
Методы исследования: сбор, анализ и синтез данных, сравнение, обобщение, классификация, аналогия, эксперимент, измерение, описание.
Результаты работы: разработана и обучена модель машинного обучения для анализа корневых причин инцидентов производственной установки методом классификации на выбранном наборе «сырых» данных небольшого объема с последующей провекрой качества ее работы на тестовых данных.
Область примениения – обучение модели корневым причинам инцидентов (отказов, сбоев) производственных систем на имеющихся данных с последующим оперативным обнаружением причин аномальной работы систем в тандеме с работой алгоритма по автоматическому обнаружению и прогнозированию аномалий.