Список публикаций по ключевому слову: «предиктивная аналитика»


Технические науки

Дата публикации: 12.03.2026 г.
Оцените материал Средняя оценка: 0 (Всего: 0)
Серебренов Тимофей Владимирович , курсант
Туренко Владислав Витальевич , курсант
Филиал ФГКВОУ ВО «Военная академия Ракетных войск стратегического назначения им. Петра Великого» Минобороны России , Московская обл

«Цифровой двойник энергоинфраструктуры университета как стратегический инструмент развития науки и образования»

Скачать статью

В статье рассматривается тема создания и внедрения цифрового двойника энергоинфраструктуры университетского кампуса как элемента цифровой трансформации вуза. Авторы обосновывают актуальность проекта необходимостью замещения устаревших информационных систем и повышения энергоэффективности. Описывается архитектура решения: от сбора данных с датчиков и приборов учета до построения гибридной модели и организации замкнутого контура управления. Приводится пример пилотного внедрения в учебном корпусе с оценкой экономического эффекта. Подчеркивается дополнительная ценность проекта как базы для практико-ориентированного обучения студентов инженерным компетенциям.

Дата публикации: 29.12.2025 г.
Оцените материал Средняя оценка: 0 (Всего: 0)
Цапко Кирилл Владимирович , студент
Буханцев Александр Владимирович , студент
Дрогачёв Артем Павлович , студент
Михалева Ульяна Николаевна , старший преподаватель
ФГБОУ ВО «Донской государственный технический университет» , Ростовская обл

«Разработка и исследование сервиса предиктивной аналитики промышленного оборудования на основе конвергенции технологий искусственного интеллекта и промышленного интернета вещей»

Скачать статью

В статье исследуется архитектура, алгоритмы и экономическая эффективность облачного сервиса для предиктивного обслуживания (Predictive Maintenance, PdM) промышленного оборудования, основанного на конвергенции Industrial Internet of Things (IIoT) и методов искусственного интеллекта (AI). Рассмотрены ключевые технологические компоненты: сенсорные сети для сбора данных, облачные платформы для их обработки и хранения, а также машинное обучение (ML) для построения предиктивных моделей остаточного ресурса (Remaining Useful Life, RUL) и классификации аномалий. Анализируются преимущества подхода по сравнению с реактивным и планово-предупредительным обслуживанием, включая сокращение незапланированных простоев, оптимизацию запасов запчастей и повышение общей эффективности оборудования (OEE). Работа основана на систематизации данных из рецензируемых научных публикаций, отчетов Gartner и McKinsey, а также на анализе успешных кейсов внедрения в таких отраслях, как энергетика, авиация и обрабатывающая промышленность.