Hardi Ádám

Adatvezérelt kockázati intelligencia survey statisztikai, mesterséges intelligencia és hálózatelemzési módszerekkel

Pannon Egyetem

Vegyészmérnöki és Anyagtudományok Doktori Iskola

Abonyi János

Gadár László

PhD

A folyamatipari, gazdasági és társadalmi környezetekben a rendszerek megnövekedett komplexitásának köszönhetően a megbízhatóság- és kockázatmenedzsment hagyományos módszerei önmagukban egyre kevésbé elegendők. A digitalizált folyamatok valamint kérdőíves humán- és szervezeti felmérések révén új, többdimenziós adatforrások érhetők el. Ezek integrálása adatvezérelt kockázati intelligenciává („Risk Intelligence”) lehetővé teszi a kockázatok dinamikus, prediktív és magyarázható kezelését. A kutatási program célja olyan adatalapú módszerek és modellek fejlesztése, amelyek képesek: (1) felismerni és korán prediktálni a kockázatértékeléshez szükséges nem kívánt események előfordulását és ezek valószínűségét, (2) előre becsülni a nem kívánt események következményeinek hatását, feltárva a háttérben meghúzódó ok-okozati összefüggéseket, (3) dinamikusan értékelni a kockázatokat és azok szubjektív megítélését, 4) és mindezek alapján azonosítani a legfontosabb beavatkozási pontokat, modellezni azok hatását. A jelentkező feladata olyan gépi tanulási algoritmusok, túlélési modellek, és surveystatisztikai módszerek fejlesztése, amelyek alkalmasak a termelőrendszerek és üzleti folyamatok kockázatainak azonosítására és előrejelzésére. A kutatás során vizsgálni kell, hogy az adattudomány, a mesterséges intelligencia, a gépi tanulás és a hálózattudomány módszerei miként alkalmazhatók a kockázati tényezők feltárására, az ezek közötti összefüggések jellemzésére, és a beavatkozási lehetőségek azonosítására. A kutatásnak ki kell terjednie arra is, hogyan lehet a különféle forrásból származó információkat (pl. gépi adatok, teljesítménymutatók, kvalitatív megfigyelések, szakértői vélemények) integrálni a modellekbe. Ennek célja olyan hibrid megközelítések kidolgozása, amelyek a kvantitatív és kvalitatív adatok együttes figyelembevételével pontosabb következtetéseket tesznek lehetővé a rendszer működésére, a zavarok okaira, valamint a hibák hatékony elhárítására vonatkozóan. A kutató munka az alábbi elméleti háttér célirányos fejlesztésére és alkalmazására kell, hogy fókuszáljon: • gépi tanulási algoritmusok és túlélési modellek alkalmazása, • hálózattudományi módszerek használata a változók közötti kapcsolatok modellezésére, • folyamatbányászati algoritmusok a hatások egymásra épülésének pontosabb megismerésére, • ok-okozati modellek fejlesztése.

2025-09-01

2029-08-31

folyamatban lévő

Adatvezérelt kockázati intelligencia survey statisztikai, mesterséges intelligencia és hálózatelemzési módszerekkel