доктор технических наук;
doctor of technical sciences;
кандидат технических наук;
candidate of technical sciences;
кандидат технических наук;
candidate of technical sciences;
Цель исследования - формирование прикладных подходов предиктивной аналитики ТОиР автомобильного парка на основе выбора моделей и алгоритмов, а также описания контура обучения и настройки моделей для достижения устойчивой точности прогнозирования. Задача, решению которой посвящена статья. Сформировать прикладные подходы предиктивной аналитики технического обслуживания и ремонта (ТОиР) автомобильного парка с фокусом на выбор моделей и алгоритмов, обучение на подготовленных данных и настройку параметров для достижения устойчивой точности прогнозирования. Методы исследования. Прогнозирование, математическое моделирование, статистический анализ, системный анализ, теория надежности, теория вероятности, теория управления. Новизна работы. Теоретические и прикладные подходы к предиктивной аналитике ТОиР автомобильного парка, основанные на связке «постановка задачи → корректная временная выборка → выбор модели → обучение и настройка → решение ТОиР». Результаты исследования. Показано, что специфика автопарка (неоднородность режимов эксплуатации, дисбаланс событий, цензурирование наблюдений, конкуренция «плановая замена vs отказ») требует корректной постановки целевых событий, временной валидации, калибровки вероятностей и перевода прогнозов в решения с учетом стоимости ошибок. Выводы: Предложена методика «данные → модель → решение», включающая интерпретируемые модели анализа времени до события и высокоточные модели на табличных признаках (градиентный бустинг), а также практические схемы внедрения и мониторинга качества в эксплуатации.
The study objective is to develop applied approaches to predictive analytics of automobile fleet maintenance based on the selection of models and algorithms, as well as the description of the learning contour and model settings to achieve sustainable forecasting accuracy. The task to which the paper is devoted is to form applied approaches for predictive analytics of automobile fleet maintenance with a focus on the selection of models and algorithms, training on the prepared data, and parameter tuning to achieve sustainable forecasting accuracy. Research methods. Forecasting, mathematical modeling, statistical analysis, system analysis, reliability theory, probability theory, management theory. The novelty of the work includes theoretical and applied approaches to predictive analytics of automobile fleet maintenance based on the following sequence "problem statement → correct time sampling → model selection → training and configuration → maintenance implementation". Study results. It is shown that the specifics of the fleet (heterogeneity of operating modes, imbalanced events, censoring of observations, planned replacement vs failure competition) require the correct formulation of target events, time validation, calibration of probabilities and the transfer of forecasts into solutions taking into account the cost of errors. Conclusions: The technique "data → model → solution" is proposed, which includes interpreted time-to-event analysis models and high-precision models based on tabular features (gradient boosting), as well as practical schemes for implementing and monitoring quality in operation.