Возможности использования данных электронных систем сельскохозяйственных машин для построения предсказательных моделей
Автор: Помогаев В.М., Редреев Г.В., Ревякин П.И., Басакина А.С.
Журнал: Вестник Омского государственного аграрного университета @vestnik-omgau
Рубрика: Процессы и машины агроинженерных систем
Статья в выпуске: 2 (46), 2022 года.
Бесплатный доступ
Повышение надежности и безотказности работы техники - важнейшие задачи системы технического обслуживания. Все больше современных сельскохозяйственных машин оснащаются системами и датчиками удаленного контроля, что открывает новые возможности для прогнозирования отказа механизмов. Однако разнообразные данные, поступающие с интеллектуальных систем современных машин, могут иметь неоднородные форматы, быть неструктурированными или структурированными частично, и это не позволяет однозначно определить их полезность для построения моделей и предсказания неисправностей. В статье на примере данных, поступающих с датчиков зерноуборочных комбайнов компании «Ростсельмаш», была проверена гипотеза о возможности их обработки для целей машинного обучения и построения в дальнейшем предсказательных моделей. Для исследования данных применялись основные методы предиктивной аналитики - методы математической статистики, моделирование: произведен описательный статистический анализ, рассчитаны основные статистические оценки; регрессионный и корреляционный анализ имеющихся данных. По результатам регрессионного анализа с учетом значимых параметров построены регрессионные модели, позволяющие предсказывать значение одной переменной при известных значениях зависимых переменных. Определены степени зависимости показателей в изучаемых данных, по результатам корреляционного анализа отмечена высокая теснота взаимосвязи (коэффициент корреляции выше 0,7) между частотами вращения валов и шнеков агрегатов и узлов. Выявлены закономерности в изменениях показателей в предыдущих периодах: при построении графиков распределения частот вращения валов и шнеков агрегатов во времени, по имеющимся данным, наблюдается синхронность распределения значений при условно нормальном режиме работы. Спрогнозированы будущие результаты на основе выявленных закономерностей: тренд отклонения одного из графиков распределения коэффициентов симметрии частот вращения валов и шнеков агрегатов во времени от нормального положения будет сигнализировать об изменении характеристик конкретного рабочего узла. Полученные результаты подтвердили перспективность предиктивной аналитики агромашин на основе данных бортовых систем.
Надежность, безотказность, зерноуборочный комбайн, предиктивная аналитика, предсказательные модели, структурированные и неструктурированные данные, большие данные, датафрейм, статистический анализ
Короткий адрес: https://sciup.org/142234730
IDR: 142234730 | УДК: 631.354.2-027.45:004.021 | DOI: 10.48136/2222-0364_2022_2_153
Possibilities of using the data of electronic systems of agricultural machinery for building predictive models
Improving the reliability and non-failure operation of equipment is the most important task of the maintenance system. More and more modern agricultural machines are equipped with remote control systems and sensors, which opens up new opportunities for predicting the failure of mechanisms. However, a variety of data coming from the intelligent systems of modern machines may have heterogeneous formats, be unstructured or partially structured, which does not allow to unambiguously determine their usefulness for building models and predicting malfunctions. In this article, using the example of data coming from sensors of Rostselmash combine harvesters, the hypothesis about the possibility of their processing for the machine learning purposes and the construction of predictive models in the future was tested. To study the data, the main methods of predictive analytics were used - methods of mathematical statistics, modeling: a descriptive statistical analysis was carried out, the main statistical estimates were calculated, regression and correlation analysis of available data was performed. Based on the results of regression analysis, taking into account significant parameters, regression models were constructed that allow predicting the value of one variable with known values of dependent variables. The degrees of dependence of the indicators in the studied data were determined, according to the results of the correlation analysis, a high closeness of the relationship (the correlation coefficient is higher than 0.7) between the rotation frequencies of the shafts and augers of the aggregates and nodes was noted. Regularities in the changes in indicators in previous periods were revealed: when plotting the distribution of rotation frequencies of the shafts and augers of aggregates over time, according to the available data, synchronicity of the distribution of values in a conditionally normal operating mode was observed. The future results are predicted on the basis of the revealed patterns: the deviation trend of one of the symmetry coefficients distribution graphs of the rotational frequencies of the shafts and screws of the units over time from the normal position will signal a change in the characteristics of a particular working unit. The obtained results confirmed the prospects of predictive analytics of agricultural machines based on data from on-board systems.
Список литературы Возможности использования данных электронных систем сельскохозяйственных машин для построения предсказательных моделей
- Андреев А.В. Теоретические основы надежности технических систем : учебное пособие. СПб. : Изд-во Политехн. ун-та, 2018. 164 с.
- Замятин А.В. Интеллектуальный анализ данных : учебное пособие / Нац. исслед. Том. гос. ун-та. Томск : Издательский дом Томского государственного университета, 2020. 196 с.
- Домингос П. Верховный алгоритм. Как машинное обучение изменит наш мир? Москва : Манн, Иванов и Фербер, 2016. 424 c.
- Марц Натан Большие данные. Принципы и практика построения масштабируемых систем обработки данных в реальном времени / Натан Марц, Джеймс Уоррен. Москва : Вильямс, 2016. 368 с.
- Майер-Шенбергер В. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим. Москва : Манн, Иванов и Фербер, 2014. 425 c.
- Лутц М. Программирование на Python. Т. 1. Москва : Символ, 2016. 992 c.
- Бабенко М.А., Левин М. В. Введение в теорию алгоритмов и структур данных. Москва : МЦНМО. 2020. 144 с.
- Кулаичев А.П. Методы и средства комплексного анализа данных : учебное пособие. Москва : Форум, 2018. 160 c.
- Чашкин Ю.Р. Математическая статистика. Анализ и обработка данных : учебное пособие. Ростов на Дону : Феникс, 2017. 236 c.
- Платформа агроменеджмента. URL: https://rostselmash.com/agrotronic/. Доступ для зарегистрированных пользователей (дата обращения: 15.03.2022 г.).
