12 березня 2025 року доцент кафедри інформатики та програмної інженерії Національного технічного університету України “Київський політехнічний інститут імені Ігоря Сікорського” Світлана Поперешняк для здобувачів третього рівня вищої освіти (доктор філософії) провела відкриту лекцію на тему “STATISTICAL MODELLING OF SHORT BINARY SEQUENCES FOR PREDICTIVE MAINTENANCE IN PRODUCTION”.

Тема лекції охопила комплексне вивчення математичних методів представлення станів промислового обладнання через дискретні часові ряди, де бінарні коди відображають чергування фаз стабільної роботи та виникнення дефектів або відмов. У межах цієї теми розглядалися алгоритми аналізу стохастичних процесів, зокрема марковські ланцюги та баєсівські мережі, що дозволяють на основі обмежених вибірок даних ідентифікувати приховані закономірності у поведінці складних технічних систем.

Особлива увага приділялася проблемі «коротких» послідовностей, де традиційні методи великих даних є неефективними через дефіцит інформації про рідкісні відмови, що вимагає розробки специфічних методів апроксимації та оцінки статистичної значущості прогнозів. Для наукових досліджень аспірантів ця тема має фундаментальне значення, оскільки вона знаходиться на перетині прикладної математики, інженерії програмного забезпечення та концепції Industry 4.0, дозволяючи здобувачам формулювати наукову новизну через удосконалення моделей предиктивної аналітики. Тема лекції також є актуальною для аспірантів чиї наукові роботи безпосередньо пов'язані із використанням даного математичного апарату.

Знайомство з цим напрямом дає можливість аспірантам вирішувати актуальні завдання оптимізації виробничих витрат шляхом переходу від реактивного до проактивного обслуговування, забезпечуючи високу точність прогнозування залишкового ресурсу обладнання навіть в умовах високої невизначеності та обмеженого часового ресурсу, що є критично важливим для підготовки дисертаційних робіт з можливістю практичного впровадження.

“Як аспірант, дисертаційне дослідження пов'язане з предиктивною аналітикою, хочу відзначити високу актуальність та методологічну змістовність прослуханої лекції. Обрана тематика знаходиться на вістрі сучасних досліджень у галузі Software Engineering та Smart Manufacturing, оскільки вирішує одну з найбільш критичних проблем сучасної предиктивної аналітики — прогнозування в умовах дефіциту статистичних даних. Прослуханий матеріал суттєво розширив моє розуміння методів інтелектуального аналізу даних у програмній інженерії. Отримані знання щодо статистичного оцінювання бінарних послідовностей будуть використані мною для обґрунтування вибору методів прогнозування у теоретичному розділі дисертації. Прослуханий матеріал стимулює до пошуку нових алгоритмічних рішень, що здатні працювати в умовах високої невизначеності, що є вкрай важливим для підвищення надійності складних програмно-технічних комплексів” – зазначив аспірант Дмитро.