УДК 004.65 УДК 696.117

СОВРЕМЕННОЕ СОСТОЯНИЕ И ПЕРСПЕКТИВЫ РАЗВИТИЯ СИСТЕМ ПРЕДИКТИВНОЙ АНАЛИТИКИ В ОБЛАСТИ СТРОИТЕЛЬСТВА Современное состояние и перспективы развития систем предиктивной аналитики в области строительства

Опубликовано в Строительство и архитектура · Том 11, Номер 4, 2023 · Страницы 30–30 · Рубрика: 2.1.14. УПРАВЛЕНИЕ ЖИЗНЕННЫМ ЦИКЛОМ ОБЪЕКТОВ СТРОИТЕЛЬСТВА (ТЕХНИЧЕСКИЕ НАУКИ)
DOI: https://doi.org/10.29039/2308-0191-2023-11-4-30-30
Получено: 22.08.2023 Одобрено: 16.11.2023 Опубликовано: 08.12.2023 Язык публикаций: ru-RU
Введение. Корни современной предиктивной аналитики уходят в далекие 1940-е годы, когда правительства начали использовать первые вычислительные модели: метод Монте-Карло, вычислительные модели нейронных сетей и линейное программирование. В 1960-х годах корпорации и исследовательские институты начали эпоху коммерциализации аналитики с помощью компьютерной техники. Затем в 1970-х — 1990-х годах получила большее распространение в организациях. Технологические стартапы сделали реальными предписывающую аналитику (Prescriptive analytics) и анализ в режиме реального времени. Материалы и методы. Использованы данные из открытых источников. Предметом исследования является история, современное состояние систем предиктивной аналитики и перспективы разрабатываемой методики анализа больших данных с целью предсказания изменения этапов жизненного цикла элементов инженерного оборудования зданий и сооружений. Подготовка и визуализация информации выполнялась при помощи Microsoft Office Excel. Результаты. Исследованы термины, история появления, развития и современное состояние систем предиктивной аналитики. Изучены перспективы, разрабатываемой в диссертационной работе, методика анализа больших данных с целью предсказания изменения этапов жизненного цикла элементов инженерного оборудования зданий и сооружений. Использование в диссертационной работе «Контрольных карт Шухарта», методов кластерного и квалиметрического анализа в несвойственных для них сценариях, позволяет рассчитывать на положительные перспективы разрабатываемой методики. Выводы. Предиктивная аналитика в строительной области является одним из наиболее перспективных направлений анализа больших данных. Разрабатываемая в диссертационной работе методика анализа больших данных с целью предсказания изменения этапов жизненного цикла элементов инженерного оборудования зданий и сооружений основана на использовании современных алгоритмов. Научная новизна состоит в подходе к анализу, в котором используется комбинированная схема, в которой кластерный и квалиметрический методы анализа используются для поиска элементов оборудования близких к изменению этапа жизненного цикла.
большие данные, предиктивная аналитика, жизненный цикл, инженерное оборудование, интеллектуальный анализ данных, кластерный анализ, квалиметрия, фазы жизненного цикла, системы прогнозирования, контрольные карты Шухарта
Текст Список литературы

1. Першина Э.С., Дагаран С.В. От больших данных к продвинутой аналитике в индустрии туризма // Научный вестник МГИИТ. - Номер: 2 (52), 2018. - С: 60-69.

2. Kagan P. Big data sets in construction. E3S Web Conf., International Science Conference SPbWOSCE-2018 “Business Technologies for Sustainable Urban Development”. 2019, Volume 110, Number 3, pages: 80-84, doihttps://doi.org/10.1088/1757-899X/869/2/022004 EDN: https://elibrary.ru/LKXHMP

3. Прокопец А. Конкурентное программирование на Scala. - М.: ДМК-Пресс, 2018. - 342 с.

4. Kagan P., Sigitov A. Predicting the Elements Operation of Buildings’ Engineering Equipment Using the Big Data Analysis Technologies // Lecture Notes in Civil Engineering, 2022, 231, стр. 87-93. DOI:https://doi.org/10.1007/978-3-030-96206-7_9 EDN: https://elibrary.ru/UVZAOR

5. Сигитов А.А. Разработка методики анализа больших данных с целью предсказания изменения фаз жизненного цикла элементов инженерного оборудования зданий и сооружений // Строительство и архитектура. - Т. 11 № 2 (39). - DOI https://doi.org/10.29039/2308-0191-2023-11-2-8-8 EDN: https://elibrary.ru/OTWJEE

6. Дорофеев М. Практикум использования контрольных карт Шухарта // Электронный журнал Хабр. - 07.03.2012. [Электронный ресурс] - URL: https://habr.com/ru/post/139596/ (дата обращения: апрель 2022).

7. Kagan P. The use of digital technologies in building organizational and technological design // E3S Web Conf. 2021, Vol. 263, XXIV International Scientific Conference “Construction the Formation of Living Environment” (FORM-2021), Article Number 04040. - https://doi.org/10.1051/e3sconf/202126304040 EDN: https://elibrary.ru/NDEWOE

8. Лескова Ю.Г. Применение информационных (цифровых) технологий в саморегулировании как условие развития строительной отрасли и правовое регулирование // Гражданское право. - Т. 5., 2018. - С. 9-11. - DOI:https://doi.org/10.18572/2070-2140-2018-5-9-11. EDN: https://elibrary.ru/XZCIHR

9. Форман Д. Много чисел: анализ больших данных с помощью Excel. - М.: Альпина Паблишер, 2016. - 464 с.

10. Прокопец А. Конкурентное программирование на Scala ДМК-Пресс. - М., 2018. - 342 с.

11. Дюран Б., Одель П. Кластерный анализ. - М.: Статистика, 1977)

12. Азгальдов Г.Г., Азгальдова Л.А., Количественная оценка качества (Квалиметрия). - М.: Издательство стандартов, 1971, 176 с. EDN: https://elibrary.ru/NSBLCW

13. Салихов М.Р., Юрьева Р.А., Алгоритм прогнозирования состояния оборудования на основе машинного обучения // Изв. Вузов. Приборостроение. - Т. 65, №9, 2022. - С. 648-655. - DOI:https://doi.org/10.17586/0021-3454-2022-65-9-648-655 EDN: https://elibrary.ru/FBHJVU

Войти или Создать
* Забыли пароль?