Надежность оборудования и нюансы постановки на конвейер моделей по надёжности

ML и AI в производственных компаниях

Python
DevOps на собственном (арендованном) оборудовании
Оптимизация
Рекомендации / ML

Доклад принят в программу конференции

Целевая аудитория

Команды которые занимаются анализом поведением оборудования. Команды по анализу табличных данных.

Тезисы

Доклад посвящен нашей системе по анализу сигналов с оборудования. Современное оборудование в тяжелой промышленности состоит из большого количества узлов которые (не)должны работать по определенным правилам, узлы могут содержать от нескольких сигналов до пару сотен которые могут группироваться разным образом (парные/полу-пары сигналы, заданные значения и актуальные и тп). Так же сигналы узлов могут быть разные по форме в зависимости от их природы (электрические узлы, гидравлические, механические).

В докладе разберем:
Нашу архитектуру системы по аномальности поведения сигнала.
Какие есть нюансы при обучении моделей и при работе их в проде.
Отчёты которые приходят бизнесу.
Про автоматическое переобучение и как некоторые операции по поддержке моделей мы перенесли на пользователей.

3 года в сфере компьютерного зрения.
Студент магистерской программы по ИИ от ИТМО и AI Talent Hub
Так же в свободное время занимаюсь 3D CV (в основном работа с облаком точек, сегментация, дистилляция)

ОМК ИТ

ОМК занимается производством листового проката, труб, колес.

Видео

Другие доклады секции

ML и AI в производственных компаниях