大数据环境下含静态系统属性与动态传感器测量的异构可修系统可靠性大数据分析
应用统计
2019-04-03 v1
摘要
在大数据环境下，工程师面临的一项紧迫挑战是对具有协变量的大型异构可修系统舰队进行可靠性分析。除了包括名义运行条件、地理位置等时间不变系统属性在内的静态协变量外，传感技术的最新进展也使得获取系统运行和环境条件的动态传感器测量成为可能。作为大数据环境下的常见做法，海量可靠性数据通常存储在分布式存储系统中。利用现代统计学习的力量，本文研究了一种将随机森林算法与可修系统可靠性的经典数据分析方法（如均值累积函数的非参数估计量和基于非齐次泊松过程的参数模型）相结合的统计方法。我们表明所提出的方法有效解决了实践中出现的若干常见挑战，包括系统异构性、协变量选择、模型设定以及由分布式数据存储导致的数据局部性。建立了所提估计量的大样本性质及一致均匀性。给出了两个数值示例和一个案例研究以说明所提方法的应用。通过对比研究展示了所提方法的优势。
引用
@article{arxiv.1904.01128,
title = {Analysis of Large Heterogeneous Repairable System Reliability Data with Static System Attributes and Dynamic Sensor Measurement in Big Data Environment},
author = {Xiao Liu and Rong Pan},
journal= {arXiv preprint arXiv:1904.01128},
year = {2019}
}