当前位置: X-MOL 学术Qual. Reliab. Eng. Int. › 论文详情
A deep learning approach for predicting critical events using event logs
Quality and Reliability Engineering International ( IF 1.718 ) Pub Date : 2021-02-22 , DOI: 10.1002/qre.2853
Congfang Huang; Akash Deep; Shiyu Zhou; Dharmaraj Veeramani

Event logs, comprising data on the occurrence of different types of events and associated times, are commonly collected during the operation of modern industrial machines and systems. It is widely believed that the rich information embedded in event logs can be used to predict the occurrence of critical events. In this paper, we propose a recurrent neural network model using time‐to‐event data from event logs not only to predict the time of the occurrence of a target event of interest, but also to interpret, from the trained model, significant events leading to the target event. To improve the performance of our model, sampling techniques and methods dealing with the censored data are utilized. The proposed model is tested on both simulated data and real‐world datasets. Through these comparison studies, we show that the deep learning approach can often achieve better prediction performance than the traditional statistical model, such as, the Cox proportional hazard model. The real‐world case study also shows that the model interpretation algorithm proposed in this work can reveal the underlying physical relationship among events.

中文翻译:

使用事件日志预测关键事件的深度学习方法

通常在现代工业机器和系统运行期间收集事件日志,其中包括有关不同类型事件的发生和相关时间的数据。普遍认为,事件日志中嵌入的丰富信息可用于预测关键事件的发生。在本文中,我们提出了一种使用事件日志中的事件时间数据的递归神经网络模型,该模型不仅可以预测目标目标事件的发生时间,还可以从经过训练的模型中解释导致重要事件发生的时间。到目标事件。为了提高我们模型的性能,利用了处理审查数据的采样技术和方法。所提出的模型已在模拟数据和真实数据集上进行了测试。通过这些比较研究,我们表明,深度学习方法通​​常比传统的统计模型(例如Cox比例风险模型)能够实现更好的预测性能。实际案例研究还表明,本文提出的模型解释算法可以揭示事件之间潜在的物理关系。
更新日期:2021-02-22
全部期刊列表>>
牛年开工季
JCR Q1医学全学科
新春生命科学
新春医学
空气污染与健康
虚拟特刊
亚洲大洋洲地球科学
NPJ欢迎投稿
自然科研论文编辑
ERIS期刊投稿
欢迎阅读创刊号
自然职场,为您触达千万科研人才
spring&清华大学出版社
城市可持续发展前沿研究专辑
Springer 纳米技术权威期刊征稿
全球视野覆盖
施普林格·自然新
chemistry
物理学研究前沿热点精选期刊推荐
自然职位线上招聘会
欢迎报名注册2020量子在线大会
化学领域亟待解决的问题
材料学研究精选新
GIANT
ACS ES&T Engineering
ACS ES&T Water
屿渡论文,编辑服务
阿拉丁试剂right
上海中医药大学
南科大-连续三周2.26
西湖大学
化学所
北京大学
厦门大学
隐藏1h前已浏览文章
课题组网站
新版X-MOL期刊搜索和高级搜索功能介绍
ACS材料视界
清华
南方科技大学
中国石油大学
天合科研
x-mol收录
试剂库存
down
wechat
bug