ГЛУБОКИЕ НЕЙРОННЫЕ СЕТИ ДЛЯ ПРЕДСКАЗАТЕЛЬНОГО ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ


УДК 004.02
DOI: 10.26102/2310-6018/2019.27.4.011

Сай Ван Квонг


Глубокие нейронные сети в настоящее время становятся одним из самых популярных подходов при решении различных практических задач из самых разнообразных областей, таких как распознавание изображений и речи, обработка естественного языка, компьютерное зрение, медицинская информатика и др. В статье рассматривается возможность применения глубоких нейронных сетей при реализации проактивной стратегии технического обслуживания и ремонта (ТОиР) – предсказательного технического обслуживания (Predictive maintenance, PdM). Рассмотрены различные методы построения предсказательных моделей для PdM. В настоящее время для построения предсказательных моделей для PdM наиболее перспективным представляются подходы, основанные на обработке данных с использованием глубоких нейронных сетей. Одна из причин успешного применения глубоких нейронных сетей заключается в том, что сеть автоматически выделяет из данных важные признаки, необходимые для решения задачи. Рассмотрены наиболее часто используемые нейронные сети для PdM: cеть долго-краткосрочной памяти (Long Short-Term Memory, LSTM), cвёрточная нейронная сеть (convolutional neural network, CNN) и автоэнкодер (autoencoder). Дан обзор мощных фрейворков для проектирования и обучения нейронных сетей, которые сделали возможным широкое практическое применение данной технологии.

Ключевые слова: предсказательное техническое обслуживание, методы на основе данных, глубокие нейронные сети, LSTM, CNN, автоэнкодер.

Полный текст статьи:
SaiVanCuong_4_19_1.pdf