Способ работы модуля системы управления сегментами узлов и объектов АПК с помощью применения нейронных сетей для прогнозирования их состояния
DOI:
https://doi.org/10.53083/1996-4277-2024-234-4-96-107Ключевые слова:
оборудование агропромышленного комплекса, объекты АПК, сельское хозяйство, нейронные сети, машинное обучение, многослойный персептрон, статистика, прогнозирование, модели, прогнозная оценкаАннотация
Задача исследования состоит в анализе применения системы оценки отдельных узлов (объектов оборудования) производства на предприятии АПК. Сложности использования методов прогнозирования заключаются в их временных затратах для получения более точного прогноза. В исследование была поставлена задача – получить допустимую и достаточную точность при использовании нейросети, обученной на малом объеме данных. Нейросети уже неплохо показали себя в разных отраслях, таких как ИТ и сетевые технологии, автопилот. Объект на предприятии АПК – это техническое устройство, нормальная работа которого обеспечивает производственный цикл. Современные производства требуют цифровизации. Работа оборудования на них должна быть управляема. Но также должна существовать система, позволяющая оценить состояние объекта оборудования. Применение нейросетей, позволяющих извлекать полезную информацию из массивов статистических данных, предоставляет возможность для исследования в области их применения для решения задач управления в АПК. Приведены результаты исследования в области применения нейросетей в АПК для прогноза состояния объекта. Учитывается, что объект является единицей оборудования в производственном цикле, и на него могут влиять внешние факторы, что выражено в одной из характеристик. Результаты оформлены в виде численного показателя состояния объекта на основе данных нейросети. Результаты могут быть использованы как вариант применения современных нейросетей в АПК в работе контрольно-управленческих, диспетчерских задачах. Дальнейшие исследования направлены на изучение шаблонов работы отдельных устройств. Исследован способ контроля работы узлов производственных объектов АПК. Использовались методы математического моделирования и аппарат нейронных сетей. В рамках работы с малым набором данных нейросеть показала хорошие результаты при оценке определённого объекта. Средняя квадратическая ошибка – 0.121, среднемодульное отклонение – 0.091.