Экспертный анализ данных

Осуществляем глубокий анализ данных мониторинга объектов, повышая эффективность их эксплуатации

Осуществляем интеллектуальный и исследовательский анализ данных систем мониторинга, находим отклонения и аномалии в работе объектов мониторинга, разрабатываем предиктивные и классификационные модели с применением машинного обучения, готовим понятные отчёты о проделанной работе и даём рекомендации

Интеллектуальный и исследовательский анализы данных осуществляются экспертами Газэнергоэкспертиза в области мониторинга, обладающими многолетним опытом работы в отрасли и имеющими научные степени. Имеющиеся технические и теоретические компетенции позволяют нам находить из данных новые последовательности и показатели, способные наиболее полно описывать техническое состояние объектов мониторинга, и применять их в моделях машинного обучения.

Прикладное понимание работы измерительных датчиков и процессов, происходящих на линейных и площадных объектах систем трубопроводного транспорта нефти и газа, позволяет идентифицировать отклонения и аномалии в работе объектов мониторинга, составлять гипотезы их происхождения и давать рекомендации по дальнейшим действиям и возможным рискам.

Работая с уникальными опасными производственными объектами Газэнергоэкспертиза готова осуществлять интеллектуальный и исследовательский анализ данных систем мониторинга для изучения индивидуальных эксплуатационных особенностей объектов мониторинга, обнаружения скрытых аномалий и закономерностей в работе объектов мониторинга, а также разработки комплексных предиктивных и классификационных моделей оценки технического состояния, сконфигурированных под Ваш объект.

Мы предоставляем подробные и понятные отчёты о работе наших систем, результатах анализа и изменении технического состояния объектов мониторинга.

Газэнергоэкспертиза способна осуществлять пять уровней глубины анализа, отвечая на вопросы:

что случилось (происходит)?

1. Описательный

2. Диагностический

почему это случилось (происходит)?

что произойдёт дальше?

3. Предиктивный

4. Предписывающий

что нам следует делать?

что мы не знаем?

5. Когнитивный

Описательная статистика

Корреляционный анализ

Анализ статистических характеристик данных для получения общей картины данных, выявление выбросов, подготовка данных для дальнейшего анализа

Применение регрессионных моделей (линейных, логистических, множественных) для прогнозирования значений и анализа влияния факторов

Регрессионный анализ

Получение коэффициентов корреляции между измеряемыми и расчётными значениями для исследования взаимосвязей между переменными

Анализ ковариации и многофакторный анализ для сравнения измерений, полученных с однотипных объектов мониторинга

Факторный анализ

Применение метода главных компонент для определения наиболее информативных факторов и упрощения интерпретации результатов анализа

Дисперсионный анализ

Кластеризация наборов данных для выявления схожих участков временных рядов, соответствующих определённым режимам или событиям, а также выявления аномалий

Кластерный анализ

Применяемые нами методы анализа данных

Методы машинного обучения

Применение машинного обучения (случайные леса, градиентный бустинг, нейронный сети) для поиска более глубоких и скрытых закономерностей и аномалий в данных и разработки предиктивных моделей

Анализ временных рядов

Применение методов байесовской статистики для прогнозирования вероятности событий и анализа риска возникновения отказов и развития дефектов

Байесовский анализ

Применение методов обработки временных рядов (сезонная декомпозиция, SARIMA, фазовый анализ) для выявления трендов, сезонных колебаний, аномальных «шумов» и прогнозирования оценки технического состояния

В Газэнергоэкспертизе мы верим, что системы мониторинга не должны просто работать по «уставкам», а бесценные данные о состоянии объекта не должны удаляться

Оценка технического состояния объектов мониторинга и скорости его изменения позволяет осуществлять анализ рисков, предупреждать возникновение отказов и осуществлять периодические обследования по факту необходимости, а не по плану

Предиктивные

Мы применяем собранные данные для разработки комплексных моделей машинного обучения, которые выполняют функции:

Отдел развития и исследований Газэнергоэкспертизы постоянно работает над улучшением методологии анализа данных наших систем мониторинга и моделей машинного обучения для наиболее эффективного и полезного применения собираемых данных для повышения надежности и безопасности Ваших объектов

По совокупности факторов, известных из данных мониторинга, можно оперативно идентифицировать события, происходящие с объектом мониторинга, без необходимости проведения визуального осмотра, что особенно актуально для труднодоступных удалённых объектов

Классификационные