Левшун Д. С.

ПОДХОД К ПРЕДОБРАБОТКЕ ПОКАЗАНИЙ ДАТЧИКОВ ДЛЯ ЗАДАЧИ ОЦЕНКИ СОСТОЯНИЯ СИСТЕМ ПРОМЫШЛЕННОГО ИНТЕРНЕТА ВЕЩЕЙ С ПОМОЩЬЮ МОДЕЛЕЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Резюме: Современные модели искусственного интеллекта очень чувствительны к качеству исходных данных для обучения. В данной работе рассматривается задача оценки состояния систем промышленного Интернета вещей на основе показаний различных датчиков. Как правило, данные датчики передают свои сигналы с определенной частотой, что позволяет строить различные признаки на основе временной метки. Для извлечения признаков предлагается использовать дискретное вейвлет преобразование. Для отбора наиболее качественных признаков для каждой решаемой задачи применяются различные методы очистки и преобразования данных, в том числе в параллельном режиме. Даются рекомендации по последовательности применения шагов, а также значениям критериев отбора.

Ключевые слова: Промышленный интернет вещей; Оценка состояния; Показания датчиков; Предобработка данных; Искусственный интеллект; Дискретное вейвлет преобразование.

D.S. Levshun

AN APPROACH TO PREPROCESSING SENSOR DATA FOR ASSESSING THE STATE OF INDUSTRIAL INTERNET OF THINGS SYSTEMS USING ARTIFICIAL INTELLIGENCE MODELS 

Summary: Modern artificial intelligence models are highly sensitive to the quality of training data. This paper addresses the problem of assessing the state of Industrial Internet of Things systems based on readings from various sensors. Typically, these sensors transmit their signals at a certain frequency, which allows building different features based on timestamps. To extract features, discrete wavelet transform is proposed. For selecting the most reliable features for each task, various methods of data cleaning and transformation are applied, including parallel processing modes. Recommendations are given regarding the sequence of steps as well as selection criteria values.

Keywords: Industrial Internet of Things; State assessment; Sensor data; Data preprocessing; Artificial Intelligence; Discrete wavelet transformation.

DOI: 10.34219/2078-8320-2025-16-4-69-74