Objetivo: Predicción del fracaso de equipos complejos (por ejemplo, dispositivos de imágenes por resonancia magnética, tomografías computarizadas).
Datos
Registros del equipo.
Método
Aprendizaje secuencial + razonamiento casuístico y probabilístico.
Resultados
97 % de éxito.
El uso de equipos médicos complejos (Magnetic Resonance Imaging – MRI, Computer Tomography – CT, Positron Emission Tomography – PET-CT ) ha sido crucial para el diagnóstico del paciente. Se sabe que este equipo es complejo, compuesto de varias piezas y subsistemas, todos ellos sujetos a altas limitaciones de seguridad, ya que están utilizando tecnología en materia de salud humana. Por lo tanto, si hay una desviación mínima de un parámetro de configuración dado del componente de equipo, el equipo establece una alarma y se detiene. Sin embargo, cuando una máquina falla, causa muchos problemas en el servicio clínico. Por lo tanto, una situación deseada es monitorear el equipo médico para que se puedan predecir los fallos.
Utilizamos el aprendizaje secuencial para aprender patrones de falla de registros uniformes producidos por los componentes de las máquinas. Los patrones se utilizan en un sistema de razonamiento basado en casos para predecir los fallos.
Por otro lado, exploramos un enfoque probabilístico para crear modelos predictivos basados en la explotación de los registros de mantenimiento existentes para la estimación de las tasas de fracaso y las relaciones causa-efecto internas para construir esos modelos.
Objetivo: Monitoreo de flujo de trabajo para la reparación de equipos.
Datos
Simulado.
Método
Petri nets, agentes, subastas, heurísticas.
La tecnología médica es ahora una parte integral de la atención de la salud de acuerdo a las normas generalmente aceptadas. Su compra y operación, por lo tanto, representan una posición económica importante y ambos están sujetos a intentos de optimización cotidiana.
Utilizamos redes Petri para modelado de flujo de trabajo y procesamiento de eventos complejos (CEP) para supervisar el flujo de trabajo para predecir posibles retrasos.