Les usines de fabrication en Éthiopie font face à des défis liés à la fiabilité des systèmes en raison de conditions opérationnelles variées et de contraintes de ressources. Un modèle hybride ARIMA-GARCH (Moyenne mobile intégrée autorégressive – Hétéroscédasticité conditionnelle autorégressive généralisée) a été utilisé pour prévoir des données de séries temporelles provenant des usines de fabrication éthiopiennes. La méthodologie a impliqué la collecte et l'analyse de données opérationnelles historiques, l'ingénierie des caractéristiques, la sélection du modèle basée sur les critères AIC et BIC, et la validation par des techniques de validation croisée. Le modèle ARIMA-GARCH a démontré une précision de plus de 85 % dans la prédiction des pannes du système dans un horizon de prévision d'un an, avec une erreur absolue moyenne (MAE) de 2,3 %, indiquant une amélioration significative de l'évaluation de la fiabilité par rapport aux méthodes précédentes. Cette étude fournit des preuves empiriques soutenant l'utilisation d'ARIMA-GARCH pour la prévision de séries temporelles dans les systèmes de fabrication, offrant un outil pratique pour améliorer la fiabilité des systèmes et l'efficacité opérationnelle dans les usines éthiopiennes. Les responsables des usines de fabrication sont encouragés à adopter cette méthodologie pour une planification proactive de la maintenance, conduisant à une réduction des temps d'arrêt et à une augmentation de la productivité. De plus, des recherches supplémentaires devraient être menées pour valider le modèle dans différents types d'environnements de fabrication. ARIMA-GARCH, prévision de séries temporelles, fiabilité des systèmes, usines de fabrication éthiopiennes. Le résultat de la maintenance a été modélisé comme Y₈ₓ=₀+₁X₈ₓ+uᵢ+₈ₓ, avec une robustesse vérifiée à l'aide d'erreurs cohérentes avec l'hétéroscédasticité.
Gobena et al. (2013) ont étudié cette question.