Tidsserieprognostisering

Tidsserieprognostisering använder historisk sekventiell data — sensoravläsningar, energianvändning, efterfrågan — för att förutsäga framtida värden. I industrin ligger den till grund för energi- och efterfrågansprognostisering, prediktivt underhåll och produktionsplanering genom att projicera hur en uppmätt storhet kommer att utvecklas.

Genom att lära sig mönster, trender och säsongsvariation i tidsstämplad data projicerar prognosmodeller vad som kommer härnäst och flaggar när verkligheten avviker. Industriella användningsområden omfattar att prognostisera energiefterfrågan för kostnads- och näthantering, förutsäga utrustningsförsämring mot fel samt planera produktion och lager. Noggrannheten beror på datakvalitet och hur stabila de underliggande mönstren är, så prognoser paras med övervakning av avvikelser.

Relaterade termer

Machine Learning (Industrial) · Anomaly Detection · Predictive Maintenance (PdM) · Demand Response

Programvara