ترجمه فارسی مقاله تقویت تکنسین های تعمیر و نگهداری قطار با پیشنهادات تشخیص خودکار حوادث

چکیده

Train operational incidents are so far diagnosed individually and manually by train maintenance technicians. In order to assist maintenance crews in their responsiveness and task prioritization, a learning machine is developed and deployed in production to suggest diagnostics to train technicians on their phones, tablets or laptops as soon as a train incident is declared. A feedback loop allows to take into account the actual diagnose by designated train maintenance experts to refine the learning machine. By formulating the problem as a discrete set classification task, feature engineering methods are proposed to extract physically plausible sets of events from traces generated on-board railway vehicles. The latter feed an original ensemble classifier to class incidents by their potential technical cause. Finally, the resulting model is trained and validated using real operational data and deployed on a cloud platform. Future work will explore how the extracted sets of events can be used to avoid incidents by assisting human experts in the creation predictive maintenance alerts.

چکیده به فارسی (ترجمه ماشینی)

حوادث عملیاتی قطار تاکنون توسط تکنسین های تعمیر و نگهداری قطار به صورت جداگانه و دستی تشخیص داده شده است.به منظور کمک به خدمه تعمیر و نگهداری در پاسخگویی و اولویت بندی وظیفه خود ، یک ماشین یادگیری در تولید ایجاد و مستقر می شود تا تشخیصی را برای آموزش تکنسین ها در تلفن ها ، قرص ها یا لپ تاپ های خود به محض اعلام حادثه قطار ارائه دهد.یک حلقه بازخورد اجازه می دهد تا تشخیص واقعی توسط کارشناسان تعیین شده تعمیر و نگهداری قطار را در نظر بگیرند تا دستگاه یادگیری را اصلاح کنند.با تدوین مشکل به عنوان یک کار طبقه بندی مجموعه گسسته ، روشهای مهندسی ویژگی برای استخراج مجموعه های قابل قبول جسمی از آثار تولید شده توسط وسایل نقلیه راه آهن در هواپیما پیشنهاد شده است.دومی با توجه به علت فنی بالقوه آنها ، طبقه بندی کننده گروه اصلی را به حوادث کلاس می دهد.سرانجام ، مدل حاصل با استفاده از داده های عملیاتی واقعی آموزش داده و تأیید می شود و بر روی یک بستر ابری مستقر می شود.کار آینده چگونگی استفاده از مجموعه های استخراج شده از وقایع را برای جلوگیری از حوادث با کمک به متخصصان انسانی در هشدارهای پیش بینی کننده ایجاد پیش بینی می کند.