Надежность оборудования и нюансы постановки моделей на конвейер

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 до пары сотен сигналов, которые могут группироваться разным образом (пары/полупары сигналов, заданные значения и актуальные и т.п.). Также сигналы узлов могут быть разными 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;
* отчеты, 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.
Также в свободное время занимается 3D CV (в основном работой с облаком точек, сегментацией, дистилляцией).

ОМК ИТ

ОМК занимается производством листового проката, труб, колес.

Видео

Другие доклады секции

ML и AI в производственных компаниях