Аналіз методів машинного навчання для прогнозування технічного стану обладнання

Pakula, A. A.; Harmash, V. V.

Аналіз методів машинного навчання для прогнозування технічного стану обладнання

dc.contributor.author	Pakula, A. A.	en
dc.contributor.author	Harmash, V. V.	en
dc.date.accessioned	2026-09-03T10:04:43Z
dc.date.available	2026-09-03T10:04:43Z
dc.date.issued	2026
dc.description.abstract	This paper analyzes the main machine learning methods used for predicting the technical condition of industrial equipment. Classical machine learning algorithms, including Support Vector Machines, Random Forest, and	en
dc.identifier.citation	Пакула А. А., Пакула А. А., Гармаш В. В. Аналіз методів машинного навчання для прогнозування технічного стану обладнання // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/28793.	uk
dc.identifier.udc	004.8
dc.identifier.uri	https://ir.lib.vntu.edu.ua/handle/123456789/52629
dc.language.iso	uk_UA	uk_UA
dc.publisher	Вінницький національний технічний університет	uk
dc.relation.ispartof	Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.	uk
dc.relation.references	Carvalho T. P., Soares F. A., Vita R., Francisco R., Basto J., Alcal S. A systematic literature review of machine learning methods applied to predictive maintenance. Computers & Industrial Engineering, vol. 137, 2019. DOI: 10.1016/j.cie.2019.106024.	en
dc.relation.references	Ferreira C., Gonalves G. Remaining useful life prediction and challenges: a literature review on the use of machine learning methods. Journal of Manufacturing Systems, vol. 63, pp. 550–562, 2022. DOI: 10.1016/j.jmsy.2022.05.010.	en
dc.relation.references	Zonta T., da Costa C. A., da Rosa Righi R., de Lima M. J., da Trindade E. S., Li G. P. Predictive maintenance in the Industry 4.0: A systematic literature review. Computers & Industrial Engineering, vol. 150, 2020. DOI: 10.1016/j.cie.2020.106889.	en
dc.relation.references	Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. Springer, 2009. 745 p.	en
dc.relation.references	Peji Bach M., Topalovi A., Krsti ., Ivec A. Predictive Maintenance in Industry 4.0 for the SMEs: A Decision Support System Case Study Using Open-Source Software. Designs, vol. 7, no. 4, 2023. DOI: 10.3390/designs7040098.	en
dc.relation.references	Nikolaou P., Madhusudanan N., Toska E., Adams S. Remaining useful lifetime prediction for predictive maintenance in manufacturing. Computers & Industrial Engineering, vol. 184, 2023. DOI: 10.1016/j.cie.2023.109592.	en
dc.relation.references	Bengio Y., Goodfellow I., Courville A. Deep Learning. The MIT Press, 2016. 800 p.	en
dc.relation.references	Zhou J., Qin Y., Chen J., Liu Q., Qian Q., Xiang L., Zhu F. Remaining useful life prediction of machine based on deep learning: a comprehensive survey. Measurement Science and Technology, vol. 35, no. 6, 2024. DOI: 10.1088/1361-6501/ad2bcc.	en
dc.relation.references	Li X., Wang L., Wang C. et al. A method for predicting remaining useful life using enhanced Savitzky-Golay filter and improved deep learning framework. Scientific Reports, vol. 14, 2024. DOI: 10.1038/s41598-024-74989-y.	en
dc.relation.references	Hector I., Panjanathan R. Predictive maintenance in Industry 4.0: a survey of planning models and machine learning techniques. PeerJ Computer Science, vol. 10, 2024. DOI: 10.7717/peerj-cs.2016.	en
dc.relation.uri	https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/28793
dc.subject	machine learning	en
dc.subject	condition prediction	en
dc.subject	predictive maintenance	en
dc.subject	remaining useful life	en
dc.subject	deep learning	en
dc.subject	industrial equipment	en
dc.title	Аналіз методів машинного навчання для прогнозування технічного стану обладнання	uk
dc.type	Thesis

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1

Назва:: 28793.pdf
Розмір:: 109,68 KB
Формат:: Adobe Portable Document Format

Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1

Назва:: license.txt
Розмір:: 17 B
Формат:: Plain Text
Опис:

Завантажити

Зібрання

Молодь в науці: дослідження, проблеми, перспективи (МН-2026)