ATM-сервис

Используемые технологии: Random Forest (бинарный классификатор) и счетчик устойчивости прогноза (количество дней, когда модель оценивает риск наступления поломки как высокий)

Решение:

Результаты проверки гипотезы о вероятности возникновения поломки узла CashHandler от количества транзакций, количества ошибок датчиков и статистики сбойности АТМ позволяют сделать следующие выводы: Качество работы модели существенно выше для поломов с низкой частотой повторяемости (от 4 недель). Т.е. для низкочастотных событий гипотеза о влиянии фактора нормы выработки узла в целом подтверждается. Для поломов с высокой частотой повторяемости (5 дней и чаще) – определяющими являются иные факторы, не отраженные в данных (т.н. случайные факторы).

Результат:

-Метрики качества модели существенно улучшаются при увеличении горизонта прогнозирования:

-Установление оценки вероятности возникновения фатальной ошибки

Country: Russia | Categories: AI in the production sector,
Contacts