1. Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
  2. 04. Материалы конференций
  3. Перспективы развития двигателестроения
Title: Разработка регрессионной модели прогнозирования производительности производственной системы
Authors: Печенин В. А.
Ковалева А. М.
Сербина В. О.
Keywords: regression models
random forest method
productivity forecasting
production systems
machine learning
KPI
discrete manufacturing
digitalization of production
correlation analysis
цифровизация производства
технико-экономические показатели
регрессионные модели
производственные системы
прогнозирование производительности
метод случайного леса
машинное обучение
корреляционный анализ
концепция умного производства
имитационное моделирование
дискретное производство
technical and economic indicators
smart manufacturing concept
simulation modeling
Issue Date: 2025
Citation: Печенин, В. А. Разработка регрессионной модели прогнозирования производительности производственной системы = Development of a regression model for forecasting the productivity of a production system / В. А. Печенин, А. М. Ковалева, В. О. Сербина // Перспективы развития двигателестроения : материалы междунар. науч.-техн. конф. им. Н. Д. Кузнецова (18–20 июня 2025 г.) / Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т) ; редкол.: Е. В. Шахматов, А. И. Ермаков. - Самара : Изд-во Самар. ун-та, 2025. - С. 322-323.
Abstract: The paper discusses the development of a regression model that allows for accurate and interpretable forecasting of production KPIs. The model was trained based on a series of experiments. The proportion of forecasts below a given error threshold on the test sample was 82% of cases. Input features that make the greatest contribution to the forecast results are identified.
URI: http://repo.ssau.ru/jspui/handle/123456789/43318
Appears in Collections:Перспективы развития двигателестроения

Files in This Item:
File SizeFormat 
978-5-7883-2191-2_2025-322-323.pdf447.4 kBAdobe PDFView/Open
Show full item record


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.