11
ПРИМЕР ПРИМЕНЕНИЯ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ К ЗАДАЧАМ УПРАВЛЕНИЯ ИНФРАСТРУКТУРОЙ РЖД «Применение ML в РЖД ускоряет принятие решений в 5 раз и снижает ошибки в 2 раза.»* 1 *экспертная оценка при полномасштабном внедрении

Евгений Быков – Телум – ICBDA2016

  • Upload
    rusbase

  • View
    327

  • Download
    4

Embed Size (px)

Citation preview

Page 1: Евгений Быков – Телум – ICBDA2016

ПРИМЕРПРИМЕНЕНИЯМЕТОДОВМАШИННОГООБУЧЕНИЯКЗАДАЧАМУПРАВЛЕНИЯИНФРАСТРУКТУРОЙРЖД

«ПрименениеMLвРЖДускоряетпринятиерешенийв5разиснижаетошибкив2раза.»*

1*экспертнаяоценкаприполномасштабномвнедрении

Page 2: Евгений Быков – Телум – ICBDA2016

РазвитиесистемымониторингаМЖД

2

Page 3: Евгений Быков – Телум – ICBDA2016

ЦентрмониторингаРЖД

v 5тысячинцидентоввсутки24x7,~4часанаустранениеv 100%инцидентфиксируетсяирасследуетсяv ~3%инцидентовтребуют уточнения(телефонныйзвонок)v Малаядоляинцидентов– реальнаянеисправностьv Остальное – технологическийшумv Утомлениеперсоналаипропускиотказов

3

Новый Устраняется Выполнено Закрыто

Page 4: Евгений Быков – Телум – ICBDA2016

Причиныпропускаотказов (2015)

0% 10% 20% 30%

Отсуствиеконтролязаобработкойинцидентавс…Затратывременинапереключениемежду…

Обработкаинцидентасравнозначнойстепенью…Нарушениетрудовойдисциплины

Затратывременинапроверкуспомощьюсредств…Ошибочныевыводыприоценкедиагностической…

Отвлечениенаинцидент,формирующийся…Отвлечениенаинцидент,имеющийменееважное…

Нарушениетребованийдокументов,…Отсутствиереакциинатиповые,регулярно…Отвлечениенаинциденты,формируемые…

Отвлечениеперсоналанаинциденты,связанныес…

4

Page 5: Евгений Быков – Телум – ICBDA2016

Задачаавтоматическогоранжирования

v Задача:классифицироватьинцидентынанеисправностиишумv Входныеданные

v вседоступныепараметрыинцидентаиисторияза3годаv контекст(например,погода)

v Выходныеданные: вероятностьпредотказаобъекта

5

Page 6: Евгений Быков – Телум – ICBDA2016

Признакиинцидентов

Типиколичествоv Типывсехситуацийвинцидентеv Типывсехотказавшихобъектовv Типпервойситуацииv Типпервогоотказавшегообъекта

Общееколичествоситуацийv Количествообъектовv Количествотиповситуаций

ПрочиеvТревожностьинцидента

Времяv Времяначалаv Времязавершенияv Продолжительностьv Времямеждупервойивторойситуацией

v Времяпоследнегообновления

Местоv Станцияилиперегонv Принадлежностьдистанции

6

Page 7: Евгений Быков – Телум – ICBDA2016

Обзоралгоритмаранжирования

v Историческиеданныеv Более3летv 5.3млн инцидентов

v XGBoost +препроцессингv Лесрешающихдеревьевv 4,000деревьевглубины10v 300,549ветвлений/вариантовисходовv Прогнозвсреднемза1.2мс

v Генерацияпризнаковэкспертами

7

Page 8: Евгений Быков – Телум – ICBDA2016

8

Page 9: Евгений Быков – Телум – ICBDA2016

Техническиерезультаты

Сводказа1месяц(2016год)v 500 тыс. ситуацийv 100тыс.инцидентовv 2тыс. предотказов

Показателиэффективностиv Времяответа ~1.7 мсv AUC:0.914,(0.901напрактике)v 20%/ 80%

9

Page 10: Евгений Быков – Телум – ICBDA2016

Бизнесрезультаты

v Подконтрольноевнедрение,экспертнаяоценка

v Снижениеколичествапропущенныхотказов– в2раза

v Снижениесреднеговремениреакциинапредотказ– в5раз

v Проверенаготовностьперсоналакработессистемой

v СистемарекомендованактиражированиюОУСРЖД

10

Page 11: Евгений Быков – Телум – ICBDA2016

Спасибо!

v ЕвгенийБыковv CTO@Telumv [email protected] +7(985)128-37-08v +7(495)280-07-06

11