Поддержка принятия решения по профилактике нарушений безопасности в работе
https://doi.org/10.21683/1729-2646-2021-21-4-38-46
Аннотация
Цель. Целью работы является рассмотрение опыта снижения влияния человеческого фактора на ход технологических процессов, разработка структуры и математического обеспечения системы поддержки принятия решений по профилактике нарушений безопасности в работе машиниста с использованием методов машинного обучения, анализ полученных результатов.
Методы. В исследовании, представленном в статье, используются методы машинного обучения, статистического анализа и экспертного анализа. В части методов машинного обучения использовались: логистическая регрессия, случайные леса, градиентный бустинг над решающими деревьями при частотном представлении категориальных признаков, нейронные сети.
Результаты. Сформировано множество характеризующих работу машиниста показателей, которые используются в создаваемой системе. Сформулирован термин «надежность машиниста», как способность не совершать нарушения безопасности движения в течение определенного количества поездок. Реализованы и исследованы алгоритмы прогнозирования нарушений в работе машинистов, используемые для формирования групп надежности и перечня профилактических мероприятий, рекомендуемых для снижения числа нарушений безопасности в работе машиниста. В качестве меток для задачи прогнозирования нарушений безопасности были выбраны грубые нарушения с установленной виной машиниста, которые могут быть совершены в ближайшие 3, 7, 10, 20, 30, 60 дней. Анализ результатов на тестовой выборке позволил выявить, что модель, основанная на градиентном бустинге над решающими деревьями при частотном представлении категориальных признаков, показывает лучшие результаты для задачи бинарной классификации на горизонте прогнозирования 30 и 60 дней. Разработанный алгоритм дал верный прогноз: в 76% случаях при пороге 0,7 и горизонте 30 дней; в 82% случаях при пороге 0,9 и горизонте 60 дней. Перспективным направлением решения поставленной задачи является интеграция различных подходов к прогнозированию возникновения нарушений безопасности в работе машиниста. В качестве дополнительных результатов с помощью лучшей из рассмотренных модели градиентного бустинга над решающими деревьями при частотном представлении категориальных признаков определены 10 наиболее значимых показателей работы машинистов.
Заключение. Представлен обзор методов и систем оценки надежности человека и влияния человеческого фактора на безопасность транспортных систем, позволивший выбрать перспективные направления и методы решения задач прогнозного анализа работы машиниста, к которым относятся методы машинного обучения. Сформированное множество показателей работы машиниста, учитывающих динамику изменения качества работы машиниста в прошлом, позволило получить исходные данные для обучения моделей, реализованных в рамках создаваемой системы. Реализованные модели позволили агрегировать информацию о машинистах для принятия точечных и временных профилактических мероприятий, рекомендуемых для повышения надежности машиниста. Сформулированный подход по формированию профилактических мероприятий внедрен в трех депо ОАО «РЖД» в режиме опытной эксплуатации.
Для цитирования:
Кулагин М.А., Сидоренко В.Г. Поддержка принятия решения по профилактике нарушений безопасности в работе. Надежность. 2021;21(4):38-46. https://doi.org/10.21683/1729-2646-2021-21-4-38-46
For citation:
Kulagin M.A., Sidorenko V.G. Decision support for preventing safety violations. Dependability. 2021;21(4):38-46. https://doi.org/10.21683/1729-2646-2021-21-4-38-46
Просмотров:
508
ISSN 1729-2646 (Print)
ISSN 2500-3909 (Online)
ISSN 2500-3909 (Online)
Послать статью по эл. почте 