我想通过ANN预测我的物理机器的可靠性。
Q1)衡量可修复机器可靠性的正确指标是什么。
Q2)为了计算每个时间段或每行中每台机器的可靠性,我应该计算TBF
或MTBF
,并提供我的ANN
。
Q3) ANN
是一个很好的机器学习方法来解决我的问题
让我们来看看。
在我的预测器ANN
中。其中一个输入是我的物理机器的当前可靠性值,通过应用具有正确度量MTBF或MTTF的正确分布函数。在示例数据中,有两台计算机具有一些日志事件。
Time
,machine ID
和event_type
。 event_type = 0
当计算机可用于群集时,event_type=1
计算机失败,并且event_type=2
当群集可用的计算机的可用资源发生更改时。
对于不可修复的产品,MTTF优先用于测量可靠性,MTBF用于可修复产品。
获取每个时间段行的当前可靠性值的正确指标是什么,是TBF or MTBF
。以前我使用MTTF= TOTAL UPTIME/TOTAL NUMBER OF FAILURE
。要计算UPTIME
,我会从time
中的第一个event_type = 1
中减去time
中的event_type=0
,依此类推,然后将the total UPTIME
除以number of failure
。或者我需要每行TBF
。 Machine events
表看起来像:
time machine_id event_type R()
0 6640223 0
30382.66466 6640223 1
30399.2805 6640223 0
37315.23415 6640223 1
37321.64514 6640223 0
0 3585557842 0
37067.13354 3585557842 1
37081.0917 3585557842 0
37081.2932 3585557842 2
37321.33633 3585557842 2
37645.77424 3585557842 1
37824.73506 3585557842 0
37824.73506 3585557842 2
41666.42118 3585557842 2
在预处理上一个machine events
表以获取input_2 (Reliability)
到训练数据表后,预期表应如下所示:
start_time machine_id input_x1 input_2_(Relibility) Predicied_output_Relibility
0 111 0.06 xx.xx
1 111 0.04 xx.xx
2 111 0.06 xx.xx
3 111 0.55 xx.xx
0 222 0.06 xx.xx
1 222 0.06 xx.xx
2 222 0.86 xx.xx
3 222 0.06 xx.xx
答案 0 :(得分:1)
平均时间 TO 失败
它(或应该)是设备可靠性的预测器。该术语中的 TO 表示它具有预测意图。
平均故障时间(MTTF)是设备或其他设备的时间长度 产品预计将持续运营。 MTTF是众多方法之一 评估硬件或其他技术的可靠性。 https://www.techopedia.com/definition/8281/mean-time-to-failure-mttf
e.g。
我相信你一直在计算 MTBF
平均时间 BETWEEN 失败
此度量基于记录的事件。
平均故障间隔时间(MTBF)是指平均时间 设备或产品在失败前运行。这个单位 测量仅包括故障之间的操作时间和确实 假设物品已修复并开始,则不包括维修时间 再次运作。 MTBF数据通常用于预测a的可能性 单个单位在一定时间内失败。 https://www.techopedia.com/definition/2718/mean-time-between-failures-mtbf
组件的MTBF是操作长度的总和 期间除以观察到的失败次数 https://en.wikipedia.org/wiki/Mean_time_between_failures
简而言之,您在该表中拥有的数据适合您进行MTBF计算。我不确定lambda
引用会讨论什么。