Все кейсы
Анализ данныхПромышленность1 января 2024 г.

ATM-сервис

ATM-сервис оценивает риск поломки узла банкомата по транзакциям, ошибкам датчиков и истории сбоев. Исследование показало различие прогнозируемости редких и часто повторяющихся отказов.

ATM-сервис

Задача

В банкоматной сети реакция на неисправность обычно начинается после возникновения сбоя. Для ATM-сервиса поставили другую задачу: оценивать вероятность поломки заранее, чтобы рассматривать превентивное обслуживание.

Проверялась гипотеза о связи отказов узла CashHandler с накопленной нагрузкой. В анализ включили количество транзакций, ошибки датчиков и статистику сбоев банкомата. Это позволяло исследовать, какие события объясняются имеющимися данными и где их недостаточно.

Решение

Для оценки риска использован бинарный классификатор Random Forest. Дополнительный счётчик устойчивости прогноза учитывает количество дней, в течение которых модель оценивает риск поломки как высокий. Такой показатель позволяет рассматривать продолжительность сигнала наряду с отдельной оценкой модели.

События анализировались с учётом частоты повторения. Для отказов, повторяющихся с интервалом от четырёх недель, модель работала существенно лучше. В этой группе гипотеза о влиянии выработки узла в целом подтвердилась.

Результат и ограничения

Получена оценка вероятности возникновения фатальной ошибки. В исследовании отмечено улучшение метрик при увеличении горизонта прогнозирования.

Для поломок с повторением каждые пять дней и чаще определяющими оказались другие факторы, отсутствующие в данных. Это важная граница применимости: одного учёта нагрузки недостаточно для объяснения всех типов отказов. Результат помогает отделить прогнозируемые события от тех, для которых требуется другой набор признаков.

Если техника хранит историю нагрузки и ошибок, подобную гипотезу можно проверить в рамках разработки предиктивных моделей.