UMĚLÁ INTELIGENCE V AUTOMOTIVE / David et al.

• Doba do poruchy cenzurované časem

Význam jednotlivých symbolů: n je počet pozorovaných neopravovaných objektů; t i doba do poruchy i-tého neopravovaného objektů; t průměrná doba do poruchy; r počet pozorovaných neopravovaných objektů, které se porušily do okamžiku t; s výběrová směrodatná odchylka; T celková doba zkoušky; r počet pozorovaných neopravovaných objektů, které se porušily do okamžiku t; t r čas vzniku r-té porucha a čas ukončení zkoušky ; β parametr tvaru Weibullova rozdělení; η parametr měřítka Weibullova rozdělení. Znalostní metody Jedním z příkladů znalostních metod, které využívají statistická data a umělou inteligenci, je metoda predikce parametrů pomocí genetických algoritmů. Tato meto da ukazuje, že umělá inteligence může být efektivně využita i k predikci parametrů Weibullova rozdělení. Genetické algoritmy se v tomto případě osvědčily jako účinný nástroj pro hledání optimálních parametrů modelu Weibullova rozdělení na základě sta tistických dat. Tato znalostní metoda představuje inovativní přístup k využívání umělé inteligence. Následně se budeme detailněji věnovat této metodě a vysvětlíme si algoritmus předpovídání parametrů Weibullova rozdělení využívající statisticko-evoluční techniky. 4.2.3 Algoritmus predikce parametrů pomocí genetických algoritmů Algoritmus predikce bodových odhadů parametrů Weibullova rozdělení provádí následující postup: 1) analýza vstupního statistického vzorku diagnostických dat; 2) vyřazení statisticky extrémních hodnot;

41