Прогноз отказов

Заказчик: ООО «ЖелдорЦТИ»
Проблема:
Пользователь — инженер по техническому обслуживанию железнодорожной инфраструктуры — заинтересован в предотвращении неожиданных поломок оборудования, приводящих к остановкам поездов и финансовым потерям.
Однако текущие подходы не обеспечивают достаточной эффективности:
 — плановое техническое обслуживание не учитывает фактическое состояние оборудования,
 — статистический анализ прошлых отказов даёт общие выводы, не подходящие индивидуально каждому случаю,
 — использование методов машинного обучения (ML) находится ещё на начальной стадии развития,
 — мониторинг в реальном времени требует сложной обработки огромных объемов данных,
 — экспертные системы не способны учитывать новые сценарии.
Для решения проблемы необходимо построить и проверить ML-модель, способную заблаговременно выявлять потенциально опасные элементы инфраструктуры.
Ограничения и рекомендации:
Освоение курсов по машинному обучению (ML);
Изучение методик предиктивного обслуживания оборудования;
Ознакомление с практическими примерами внедрения ML в промышленной сфере.
Требуемые компетенции:
Программирование (Python, R);
Статистический анализ данных;
Основы машинного обучения (ML).

«Поезд остановился. Причина — „отказ оборудования“. А я и не знал. Никто не знал. Почему мы не можем увидеть поломку до того, как она произойдёт? У нас же есть датчики, данные, умные люди!».