ГРАФОВО-ТРАНСПОРТНЫЙ МЕТОД ИДЕНТИФИКАЦИИ ФАКТОРОВ РИСКА И ОЦЕНКИ НАДЕЖНОСТИ СЛОЖНЫХ ТЕХНИЧЕСКИХ СИСТЕМ ПО СЛАБОСТРУКТУРИРОВАННЫМ ЭКСПЛУАТАЦИОННЫМ ДАННЫМ

Abstract

В статье разработан графово-транспортный метод идентификации факторов риска и оценки надежности сложных технических систем по слабоструктурированным эксплуатационным данным. Метод GTBRN ориентирован на обработку мультимодальных эксплуатационных массивов, в которых совместно представлены SCADA-измерения, событийные журналы, краткие алармные сообщения и интервалы недоступности объекта. Новизна подхода состоит в том, что эксплуатационное окно описывается как мультимодальное распределение, объединяющее числовой профиль режима, событийно-семантическое представление слабоструктурированного текста и графовую структуру взаимодействия подсистем. Для сопоставления текущего состояния с нормальными и предсобытийными шаблонами используется энтропийно-регуляризованное транспортное отклонение, а итоговая оценка риска и функции надежности формируется через устойчивую вероятностную голову. Экспериментальная проверка выполнена на открытом мультимодальном датасете ветротурбин Fuhrlander за 2012-2014 гг. и включала сравнение с Cox PH, ДСГПН, логистической регрессией и Extra Trees. Показано, что на горизонте 24 ч полная версия GTBRN обеспечивает наилучшие значения ROC AUC и Average Precision среди исследованных моделей, подтверждая применимость метода к задачам risk-based maintenance и раннего обнаружения опасных эксплуатационных окон. This paper develops a graph-transport method for identifying risk factors and assessing the reliability of complex technical systems from weakly structured operational data. The proposed GTBRN method is designed for multimodal operational datasets combining SCADA measurements, event logs, short alarm messages, and availability intervals. The novelty of the approach lies in representing each operational window as a multimodal distribution that jointly integrates a numerical regime profile, an event-semantic representation of weakly structured text, and the graph structure of subsystem interactions. An entropy-regularized transport deviation is used to compare the current state with normal and pre-event templates, while the final risk and reliability estimates are produced by a stable probabilistic head. Experimental validation was carried out on the open Fuhrlander wind turbine dataset for 2012-2014 and included comparisons with Cox PH, DSGRN, logistic regression, and Extra Trees. The results show that, at the 24-hour forecast horizon, the full GTBRN version achieves the best ROC AUC and Average Precision among the evaluated models, confirming its applicability to risk-based maintenance and early detection of hazardous operational windows. WEAKLY STRUCTURED OPERATIONAL DATA, RELIABILITY OF TECHNICAL SYSTEMS, RISK FACTOR IDENTIFICATION, OPTIMAL TRANSPORT, GRAPH-BASED MODELS, SCADA, ALARM MESSAGE ANALYSIS, RISK ASSESSMENT, RISK-ORIENTED MONITORING