Research indexJournal article
СИСТЕМНО-ИМИТАЦИОННЫЙ ПОДХОД К ОЦЕНКЕ ЭФФЕКТИВНОСТИ ПРЕДИКТИВНЫХ МОДЕЛЕЙ ПРОИЗВОДСТВЕННЫХ СБОЕВ
Давыдов
Современные наукоемкие технологии (Modern High Technologies)11 Aug 2026Open access
СИСТЕМНО-ИМИТАЦИОННЫЙ ПОДХОД К ОЦЕНКЕ ЭФФЕКТИВНОСТИ ПРЕДИКТИВНЫХ МОДЕЛЕЙ ПРОИЗВОДСТВЕННЫХ СБОЕВ
Давыдов · Современные наукоемкие технологии (Modern High Technologies) · 2026
Abstract
В современных условиях цифровизации промышленности проблема минимизации внезапных производственных простоев оборудования приобретает критическое значение. Переход от реактивных стратегий технического обслуживания к проактивному раннему предупреждению является основой повышения эффективности предприятий. Цель статьи заключается в разработке и апробации системно-имитационного подхода к оценке эффективности предиктивных моделей производственных сбоев. В ходе исследования предложена гибридная архитектура, объединяющая предиктивные возможности алгоритмов машинного обучения (на базе градиентного бустинга) и среду дискретно-событийного имитационного моделирования (программа AnyLogic). Для оценки качества прогнозирования отказов обоснована необходимость использования событийно-ориентированной метрики полноты обнаружения (Event Recall). Эксперимент проведен на открытом массиве телеметрических данных автомобильного производства, включающем более 500 тыс. записей. В среде AnyLogic сформирован цифровой двойник производственной линии, реализующий различные регламенты реагирования. В ходе сценарного моделирования доказано, что интеграция предиктора машинного обучения в логику цифрового двойника позволяет обосновать выбор порога тревоги, соблюдая баланс между частотой ложных срабатываний и пропущенными авариями. Сценарий упреждающей профилактики продемонстрировал сокращение суммарного времени аварийных простоев оборудования по сравнению с базовым подходом работы до отказа. Научная новизна работы состоит в формировании архитектуры сквозного моделирования, которая переводит оценку алгоритмов машинного обучения в плоскость прикладного системного анализа. Разработанный инструментарий обладает высокой практической значимостью для предприятий, реализующих концепцию «Индустрия 4.0», позволяя тестировать экономический эффект от искусственного интеллекта в виртуальной среде до физического внедрения.