Возможности использования данных электронных систем сельскохозяйственных машин для построения предсказательных моделей

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.