Вадим Андреевич Канарский – кандидат технических наук, доцент, и.о. заведущего кафедрой «Автоматизированные, телекоммуникационные и электротехнические системы»
г. Хабаровск
Vadim A. Kanarsky, Candidate of Technical Sciences, Senior Lecturer, Acting Head of the Department of «Automated, Telecommunication and Electrical Engineering Systems»
Khabarovsk
Для принятия обоснованных решений по устранению сбоев и неисправностей, возникших на объектах железнодорожной инфраструктуры, необходим оперативный доступ к информации о ранее выявленных нарушениях и динамике их устранения. Технические журналы, такие как ДУ‑46, содержат ценные сведения о состоянии этих объектов (путей, стрелочных переводов, светофоров, фидеров, контактной сети и др.), однако в моменте они практически не используются при анализе причин вновь возникающих отказов.
Цель: разработка алгоритма обработки записей журнала ДУ‑46, позволяющего по запросу оператора получать сведения о предыдущих неисправностях или выполненных работах по конкретным объектам инфраструктуры.
Методы: предобработка текста, лемматизация с использованием морфологического анализатора М. Коробова, частотный анализ текста, TF‑IDF, L2‑нормализация, вычисление косинусного расстояния и сортировка результатов.
Результат: создан прототип приложения, позволяющий осуществлять поиск релевантных записей и отображать метрику сходства между запросом и найденными фрагментами, которые помимо всего прочего могут носить рекомендательный характер и использоваться для установления причин возникших сбоев.
Заключение: использование оперативных журналовосмотравсочетаниисметодамиинтеллектуальногоанализатекста(textmining) может стать основой для построения рекомендательных систем и систем поддержки принятия решений в техническом обслуживании объектов ж.д. инфраструктуры.
For making well‑founded decisions on the elimination of failures and malfunctions occurring in railway infrastructure facilities, prompt access to information on previously identified faults and the dynamics of the irresolution is essential. Inspection logs such as DU‑46 contain valuable data on the condition of these facilities (tracks, turnouts, signals, power supply, contact lines, etc.); however, they are hardly used in practice when analyzing the causes of newly emerging failures.
Aim. To develop an algorithm for processing DU‑46 log records that allows operators, up on request, to obtain information on previous malfunctions or maintenance activities on specific infrastructure objects.
Methods. Text preprocessing, lemmatization using M. Korobov’s morphological analyzer, frequency‑based text analysis, TF–IDF, L2 normalization, cosine similarity calculation, and result sorting.
Result. A prototype application has been developed that enables search for relevant records and displays a similarity metric between the query and the retrieved fragments, which, among other things, may serve as a recommendatory function for determining the causes of failures.
Conclusion. The use of operation al inspection logs in combination with text mining methods can form the basis for building recommendation systems and decision support systems in the maintenance of railway infrastructure facilities.
The authors declare that there are no conflicts of interest present.