ПРОГНОЗУВАННЯ ТЕХНІЧНОГО СТАНУ ВИРОБНИЧОГО ОБЛАДНАННЯ ІЗ ЗАСТОСУВАННЯМ COST-SENSITIVE ПІДХОДІВ ТА ОПТИМІЗАЦІЇ ПОРОГІВ КЛАСИФІКАЦІЇ
У статті наведено дослідження застосування сучасних методів машинного навчання для задачі передиктивного технічного обслуговування на основі відкритого датасету AI4I Predictive Maintenance. Основні цілі роботи – побудова та порівняння моделей бінарної та багатокласової класифікації, що дають змогу передбачати як сам факт відмови обладнання, так і конкретний тип поломки. Враховуючи високий дисбаланс даних (частка відмов становить близько 3 %), було реалізовано підхід cost-sensitive оптимізації, за яким пропуск реальної відмови оцінюють як значно критичніший за хибну тривогу.