Применение IT-технологий в отраслях промышленности

Затем выполняется этап автоматического обнаружения выбросов на основе нечеткой информации. После этого анализ фокусируется на выявлении потенциальных причин возникновения ряби. Чтобы маркировать срезы катушек, устанавливается порог 95-го квантиля распределения возникновения дефектов. Срезы с количеством дефектов, превышающих этот порог, классифицируются как дефектные (класс 1), остальные - как не дефектные (класс 0). Для обоих наборов данных обучающий и проверочный набор (состоящий из 75% и 25% всего набора данных соответственно) создаются путем случайного перетасовки исходного набора данных, но с сохранением исходной пропорции между двумя классами. Для каждого тематического исследования внедряется дерево решений (DT), которое затем оценивается в соответствующем наборе проверки. Классификационные характеристики оцениваются через BCR. DT используются по двум причинам: они могут быть интерпретированы неспециалистами, поскольку они выглядят как простая цепочка правил IF-THEN-ELSE, тем самым представляя поддержку решений.Более того, они представляют собой типичную встроенную технику для выбора переменных. Алгоритм вычисления важности функции интегрирован как часть алгоритма обучения; он выбирает переменную на каждом рекурсивном шаге процесса роста дерева и делит набор выборок на более мелкие подмножества. Важность функции оценивается как уменьшение примеси узла, взвешенное по вероятности достижения этого узла. Вероятность узла может быть вычислена путем деления количества выборок, которые достигают узла, на общее количество выборок. Чем выше это значение, тем важнее переменная.ЗаключениеВ заключении необходимо отметить, что на сегодняшний день информационные технологии и искусственный интеллект активно применяются в промышленности. Естественно, людям не стоит забывать о том, что помощь искусственного интеллекта хоть и необходима для ускорения работы человека в различных отраслях, но в тоже время ему обязательно стоит держать под контролем все вычислительные процессы и рассчитывать полностью на абсолютно компьютеризированные технологии не стоит. Проекты Foundation Fieldbus требуют дополнительных усилий для обеспечения «уверенности в результате». Владельцы / конечные пользователи, подрядчики и поставщики должны быть готовы приложить эти усилия. Традиционных методов проектирования и исполнения недостаточно. Чтобы добиться успеха, необходимо мыслить нестандартно, но при этом необходимо придерживаться однажды установленных правил.Список использованной литературыПопов М.А. Первичные преобразователи автоматизированных систем подвижного состава железных дорог. Учебное пособие для студентов, обучающихся специальности 190303 "Электрический транспорт железных дорог". – Хабаровск : Изд-во ДВГУПС, 2010. – 165 с.СТО Газпром 2-1.15-878-2014 Основные положения по автоматизации объектов энергетики. Разработан: Открытым акционерным обществом «Оргэнергогаз».Оформление: ООО «Газпром экспо», 2016.Утвержден и введен в действие: распоряжением ОАО «Газпром» от 24 ноября 2014. – № 293.Куликов В.М. Методы учета и анализа потребления энергоносителей. Екатеринбург: Российский государственный профессионально-педагогический университет, 2009. — 138 с.Дятлова Е.П., Новиков А.И. Вычислительные сети в системах управления. СПб.: ВШТЭ СПбГУПТД, 2017. — 84 с.Sen S.K. Fieldbus and Networking in Process Automation. CRC Press, Taylor & Francis Group, 2014. 461 p.The fieldbus outside the field. Soft FF reduces commissioning effort simulating Foundation Fieldbus. ABB Review 2012 №01. ABB Group R&D and Technology. —P. 47–53.Krishnan S., Kesavan R., Surendiran B., Mahalakshmi G. (Eds.). Handbook of Artificial Intelligence in Biomedical Engineering. Apple Academic Press, 2021. — 565 p. Приложение 1 Классификация АИИС: ОРЭ - оптовый рынок электроэнергииПриложение 2 Цифровые заводские сети нижнего уровня на базе Foundation FieldbusПриложение 3 – Архитектура Foundation Fieldbus