Как стать автором
Обновить

[Антикейс] Прогнозирование и планирование потребления электроэнергии с помощью machine learning (эксперимент)

Время на прочтение 7 мин
Количество просмотров 6.1K
Всего голосов 8: ↑8 и ↓0 +8
Комментарии 3

Комментарии 3

Получается, что на таких объёмах внедрение этой технологии "нафиг не надо".
1.6 млн рублей в год для предприятий такого уровня - это ну в принципе ниже уровня "сигнал\шум".

А рисков (в том числе связанных с меньшей адаптивностью нейросетки при любых изменениях) после изменения процесса можно огрести ох как много.

Получается, что на таких объёмах внедрение этой технологии "нафиг не надо".1.6 млн рублей в год для предприятий такого уровня - это ну в принципе ниже уровня "сигнал\шум"

да, в целом так и есть. Но в некоторых случаях при наличии оперативных данных по ремонтам и отключениям точность прогноза, по нашим оценкам, увеличилась бы еще на 1-3% (3-4 млн. рублей/год)

А рисков (в том числе связанных с меньшей адаптивностью нейросетки при любых изменениях) после изменения процесса можно огрести ох как много.

1) модель не работает полностью автономно, её прогноз видит специалист по планированию, и, если происходит что-то неадекватное, то может вручную исправить.

2) в модель закладывались функции адаптивности за счёт постоянного дообучения. В результате она показывала адаптивные свойства, которые мало уступали ручному прогнозу. Человек будет так же ошибаться в случае серьезных изменений в технологических процессах или, например, запуске на предприятии нового цеха.

3-4 уровни автоматизации (из 5-уровневой системы) самые плохие, если говорить о физических процессах.
Человек УЖЕ теряет квалификацию, а автоматизированная система ЕЩЁ не способна адекватно справиться с проблемными ситуациями.

ПС
В разработке это разумеется не так.
Как в информационных системах и СПР на производстве - если честно не знаю.

Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

Публикации

Истории