Программные продукты и системы

Разработка фреймворка на языке Python началась с идеи создания интуитивно понятной программной платформы, взаимодействие с которой не требует больших временных затрат для аналитиков. Это достигается за счет применения единого алгоритма решения задачи прогнозирования RUL, отдельных параметризуемых и пере- определяемых шагов алгоритма, имеющих  общий интерфейс, а также единого интерфейса хранения и передачи данных между шагами алгоритма. При получении  на вход данных выполняется их подготовка: предобработка исходных данных, преобразование в выходной формат (в виде списка точек)  и применение дополнительной обработки. Готовые данные сохраняются в кэше. Следующим шагом является построение модели: инициализация модели, оптимизация гиперпараметров и сохранение обученных моделей. Обученные модели с применением кросс-валидации используются для построения прогноза и его оценки в виде расчета метрик и визуализации. Отметим, что можно переопределить каждый из базовых классов и реализовать свои собственные источники данных, стадии предобработки, модели прогнозирования и метрики.
Подробное описание дается в статье "Фреймворк для автоматизации прогнозирования остаточного ресурса оборудования при построении проактивных систем поддержки принятия решений", авторы Задиран К.С., Волкова Д.А., Щербаков М.В. (Волгоградский государственный технический университет, г. Волгоград).