我想通过ANN预测我的物理机器的可靠性。
Q1）什么是衡量可维修机器可靠性的正确度量标准。
Q2）为了计算每个时间段或每行中每台机器的可靠性，我应该计算TBF或MTBF，并输入我的ANN。
Q3）ANN是解决我的问题的一种很好的机器学习方法吗
让我们来看看。
在我的预测变量ANN中。输入之一是通过使用正确的度量MTBF或MTTF来应用正确的分布函数，从而为我的物理机提供当前的可靠性值。在样本数据中，有两台机器都有一些日志事件。Time，machine ID和event_type。 event_type = 0当群集对计算机可用时，event_type=1计算机发生故障，并且event_type=2当群集对计算机可用时，其可用资源发生了变化。
对于不可维修的产品，最好使用MTTF来衡量可靠性，而MTBF用于可维修的产品。
获取每个时间段行的当前可靠性值的正确度量是TBF or MTBF。以前我使用MTTF= TOTAL UPTIME/TOTAL NUMBER OF FAILURE。要计算UPTIME，我从time中的第一个先前的event_type = 1中减去time中的event_type=0，依此类推，然后将the total UPTIME除以number of failure。或者我需要为每行TBF。 Machine events表看起来像：
time machine_id event_type R()
0 6640223 0
30382.66466 6640223 1
30399.2805 6640223 0
37315.23415 6640223 1
37321.64514 6640223 0
0 3585557842 0
37067.13354 3585557842 1
37081.0917 3585557842 0
37081.2932 3585557842 2
37321.33633 3585557842 2
37645.77424 3585557842 1
37824.73506 3585557842 0
37824.73506 3585557842 2
41666.42118 3585557842 2
在对
machine events的上一个表进行预处理以将input_2 (Reliability)进入训练数据表之后，预期表应如下所示：start_time machine_id input_x1 input_2_(Relibility) Predicied_output_Relibility
0 111 0.06 xx.xx
1 111 0.04 xx.xx
2 111 0.06 xx.xx
3 111 0.55 xx.xx
0 222 0.06 xx.xx
1 222 0.06 xx.xx
2 222 0.86 xx.xx
3 222 0.06 xx.xx
最佳答案
平均故障时间
它是（或应该）设备可靠性的预测指标。该术语中的TO表示其预测意图。
平均故障时间（MTTF）是设备或其他设备的时间长度
该产品预计将持续运行。 MTTF是多种方法之一
评估硬件或其他技术的可靠性。
https://www.techopedia.com/definition/8281/mean-time-to-failure-mttf
例如
花费相同设备项目的总运行时间
除以这些项目的失败次数
如果有100个项目，则除一个项目外的所有项目都将运行100小时。
一个故障发生50小时。
MTTF =（（99个项目x 100小时）+（1个项目x 50小时））/ 1次失败= 9950小时
----
我相信您一直在计算MTBF
平均故障间隔时间
此度量基于记录的事件。
平均故障间隔时间（MTBF）是指平均时间
设备或产品在出现故障之前可以运行。这个单位
测量仅包括两次故障之间的操作时间
不包括维修时间，假设该项目已维修并开始
再次运作。 MTBF数据通常用于预测
单个单元将在一定时间内失效。
https://www.techopedia.com/definition/2718/mean-time-between-failures-mtbf
组件的MTBF是操作长度的总和
周期除以观察到的故障数
https://en.wikipedia.org/wiki/Mean_time_between_failures
简而言之，您以该表的方式在该表中获得的数据适用于MTBF计算。我不确定lambda参考将讨论什么。
关于sql-server - 如何将机器的可靠性注入(inject)我的人工神经网络，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/47101528/