集成估计-优化框架降低维护成本

2026年10月28日，arXiv平台发布了一项关于数据驱动维护优化的研究。该研究由Zhuojun Xie、Adam Abdin和Yiping Fang提出，介绍了集成估计-优化（IEO）框架。该框架的核心创新在于将维护成本直接设定为预测学习的目标，而非传统方法中先预测再优化的模式。实验结果证实，IEO框架在平均维护成本上实现了14.8%至22.7%的降低，并显著减少了失败率和成本方差，尽管其预测误差高于传统方法。研究发现，这种对齐效果在计划与非计划停机成本比升高时更为明显，表明将预测学习与维护目标直接挂钩具有显著优势。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。