የትንበያ ጥገና

ትርፍ፡

• ባህሪያትን ከ AI ጋር በማውጣት ከንዝረት/ሙቀት መረጃ የተሳሳቱ ምልክቶችን የመተንተን ችሎታ
• በ AI እገዛ ደፍ ላይ የተመሰረተ እና ቀላል የማሽን መማር ያልተለመዱ የመለየት አቀራረቦችን የመንደፍ ችሎታ
• የውሸት ማንቂያዎችን (ውሸት አወንታዊ) እና ያመለጡ ስህተቶችን (ውሸት አሉታዊ) እና የጥገና ውሳኔዎችን ሚዛን የማረጋገጥ ችሎታ።

በአምራች መስመር ላይ ያለው ያልተጠበቀ ችግር አለመሳካቱ ለሰዓታት የእረፍት ጊዜ፣ ያለፉ ትዕዛዞች እና አንዳንዴም ዋስትና ያለው ጉዳት ያስከትላል። ባህላዊ ጥገና በሁለት ጽንፎች ላይ ይቆማል-የብልሽት ጥገና (ሲበላሽ ያስተካክሉት - በጣም ውድ የሆነ አስገራሚ) እና ወቅታዊ ጥገና (በጊዜ ሰሌዳ መተካት - ብዙውን ጊዜ ያለጊዜው እና ብክነት)። የትንበያ ጥገና ሶስተኛውን መንገድ ይከፍታል-የማሽኑን ትክክለኛ ሁኔታ በየጊዜው መለካት, ውድቀትን መተንበይ እና በጊዜ ውስጥ ጣልቃ መግባት. እንደ ንዝረት፣ የሙቀት መጠን፣ የአሁን እና ድምጽ ባሉ ምልክቶች ላይ የሚደረጉ ለውጦች ከሳምንታት በፊት ብልሽቶችን ያመለክታሉ። AI እዚህ ኃይለኛ ነው፡ ባህሪያትን ከምልክቶች ማውጣት፣ ያልተለመዱ ነገሮችን መለየት፣ የቀረውን የህይወት ዘመን መገመት። ነገር ግን አንድ የውሸት ማንቂያ ማለት አላስፈላጊ የእረፍት ጊዜ ማለት ነው, አንድ ያመለጠ ስህተት ማለት አደጋ ማለት ነው; ገደብ እና የውሳኔ ሚዛን የመሐንዲሱ ኃላፊነት ነው። በዚህ ክፍል ውስጥ, ከ AI ጋር ትንበያ ጥገናን እንዴት ማቀናበር እንደሚቻል እና ውሳኔዎቹን እናረጋግጣለን.

ለምን ንዝረት እና የሙቀት መጠን?

በሚሽከረከሩ ማሽኖች ውስጥ ያሉ ስህተቶች የባህሪ ፊርማዎችን ይተዋሉ። አንድ ቋት ሲያልቅ፣ ማርሽ ይሰነጠቃል፣ ዘንጉ ሚዛኑን የጠበቀ ይሆናል፣ በንዝረት ስፔክትረም ውስጥ በተወሰኑ ድግግሞሾች ላይ ሃይል ይጨምራል። የሙቀት መጠኑ ቀርፋፋ ነገር ግን አስተማማኝ የግጭት እና የጭነት መጨመር አመላካች ነው። ጠቃሚ ባህሪያትን ከእነዚህ ምልክቶች እናወጣለን፡-

ባህሪ

ምን ይላል

የትኛው ብልሽት ነው?

RMS (ውጤታማ ዋጋ)

አጠቃላይ የንዝረት ኃይል

አጠቃላይ መበላሸት ፣ አለመመጣጠን

ጫፍ

ድንገተኛ ድብደባዎች

የመሸከም ጉድለት፣ ኖት።

ክሬስት ፋክተር (ከፍተኛ/RMS)

የልብ ምት ይዘት

ያለጊዜው የመሸከም ችግር

kurtosis

የስርጭቱ "ስፒኪነት".

የልብ ምት ጥፋት ምልክት

የበላይነት ድግግሞሽ (ኤፍኤፍቲ)

ጉልበት የሚሰበሰብበት ድግግሞሽ

የተወሰነ አካል አለመሳካት።

ቁልፍ ሃሳብ፡ ጥሬውን ሲግናል ከመመልከት ይልቅ ጥፋትን የሚጎዱ ባህሪያትን እንቆጣጠራለን። AI እነዚህን ባህሪያት የሚያሰላ ኮድ በፍጥነት ይጽፋል.

አስመጣ numpy እንደ npdef jitter_attributes(ሲግናል፣ fs)፡ """ሲግናል፡ የፍጥነት ቅደም ተከተል፣ FS፡ ናሙና ድግግሞሽ (Hz)። (አራተኛ ቅጽበት / ልዩነት ^ 2) አማካ = np.mean (ምልክት) kurtosis = np.mean ((ምልክት - አማካኝ)**4) / (np.var (ምልክት)**2 + 1e-12) # የበላይነት ድግግሞሽ (FFT) spectrum = np.abs (np.fft =.rfft (ምልክቶች)) ft.qtqtqtqtqtq 1/fs) dominant_f = ድግግሞሾች[np.argmax(ስፔክትረም)] መመለስ {"rms": rms, "peak": peak, "crest": crest, "kurtosis": kurtosis, "አውራ_ድግግሞሽ": የበላይነት_f}

ጠቃሚ ምክር፡ ባህሪያትን ወደ AI በሚያወጡበት ጊዜ፣ የናሙና ድግግሞሽ (fs) እና የምልክት ቆይታውን መግለጽዎን ያረጋግጡ። የ FFT ጥራት እና የኒኩዊስት ገደብ በእነሱ ላይ የተመሰረተ ነው; fs ካልተሰጠ፣ ዋናው ድግግሞሽ በተሳሳተ መንገድ ይተረጎማል። በተጨማሪም፣ ከጤናማው ማሽን "መሰረታዊ" ሳይሰበስብ ምንም ገደብ ትርጉም የለውም።

ደፍ ላይ የተመሰረተ እና በመማር ላይ የተመሰረተ ማወቂያ

ሁለት መሠረታዊ ዘዴዎች አሉ-

በገደብ ላይ የተመሰረተ፡ ከተወሰነ የባህሪ ገደብ ማለፍ (ለምሳሌ RMS) ማንቂያ ያመነጫል። ቀላል, ግልጽ እና ሊገለጽ የሚችል; ነገር ግን ጣራውን በትክክል ማግኘት አስቸጋሪ እና አንድ-ልኬት ነው።

በመማር ላይ የተመሰረተ (አኖማሊ ለይቶ ማወቅ)፡- ከጤናማ የስራ መረጃ "የተለመደውን" ይማራል እና ከእሱ ልዩነቶችን ያሳያል። ባለብዙ ልኬት ንድፎችን ይይዛል፣ ነገር ግን ተጨማሪ ውሂብ ያስፈልገዋል እና “ጥቁር ሳጥን” የመሆን አደጋ አለው።

አስመጣ numpy እንደ npdef z_score_anomali (እሴት, ቤዝላይን_አቫግ, ቤዝላይን_std, threshold=3.0): "" ቀላል ስታቲስቲካዊ anomaly: ምን ያህል std ከመነሻው ይርቃል?" 0.8 በጤናማ ማሽን ላይ፣ std 0.1alarm ይሁን፣ z = z_score_anomaly(እሴት=1.25፣ ቤዝላይን_አቫግ=0.8፣ ቤዝላይን_std=0.1) ማተም(f"z-score፡ {z:.1f}፣ ማንቂያ፡ {ማንቂያ}") # z=4.5 -> ማንቂያ እውነት

ይህ ቀላል የ z-score አካሄድ እንኳን አንድ መርሆ ያሳያል-ደረጃው ከጤናማ ማሽን ስታቲስቲክስ የተገኘ ነው, በዘፈቀደ አልተመረጠም. AI የበለጠ የላቁ ዘዴዎችን ሊጠቁም ይችላል (Isolation Forest, autoencoder) ግን ሁሉም ተመሳሳይ መሠረት አላቸው በመጀመሪያ "መደበኛ" የሚለውን ይግለጹ, ከዚያም ልዩነት ይለኩ.

የውሸት ማንቂያ እና ያመለጠ የስህተት ሚዛን

ይህ በመተንበይ ጥገና ልብ ውስጥ የምህንድስና ውሳኔ ነው. ሁለት ዓይነት ስህተቶች አሉ እና ወጪዎቻቸው ተመጣጣኝ ናቸው፡

የስህተት አይነት

ትርጉም

ወጪ

የውሸት ማንቂያ (ውሸት አዎንታዊ)

ምንም ስህተት በማይኖርበት ጊዜ ማንቂያ

አላስፈላጊ አቀማመጥ, በራስ መተማመን ማጣት

ያመለጠ ስህተት (ውሸት አሉታዊ)

ስህተት በሚኖርበት ጊዜ ማንቂያ የለም።

ያልተጠበቀ ብልሽት, ጉዳት, አደጋ

ጣራውን ዝቅ ካደረጉ (በጣም ሚስጥራዊነት ያለው) ያመለጠው ስህተት ይቀንሳል ነገር ግን የውሸት ማንቂያው ይጨምራል; ኦፕሬተሮች በማንቂያ ደወል ("የደወል ድካም") ላይ መታመንን ያቆማሉ. ጣራውን ከፍ ካደረጉ, የውሸት ማንቂያዎች ይቀንሳሉ, ነገር ግን እውነተኛ ስህተትን የማጣት አደጋ ይጨምራል. ትክክለኛው ሚዛን በውድቀቱ ውጤት ላይ የተመሰረተ ነው፡ በደህንነት-ወሳኝ ክፍል (ለምሳሌ ክሬን ብሬክ) ውስጥ ያመለጠ ውድቀት ተቀባይነት የለውም፣ እዚያ ከፍተኛ ትብነት ይኑርዎት እና የውሸት ማንቂያዎችን ይጭናሉ።

ማስጠንቀቂያ፡ በ AI (ለምሳሌ "95% ትክክለኛነት") የተጠቆመ ገደብ ወይም ሞዴል ትክክለኛነት በክፍል አለመመጣጠን ምክንያት አሳሳች ሊሆን ይችላል። ብልሽቶች እምብዛም አይደሉም; ሁልጊዜ "አይሳካም" የሚል ሞዴል እንኳን ከፍተኛ ትክክለኛነትን ያሳያል ነገር ግን ምንም ጥቅም የለውም. ሞዴሉን በሐሰት ማንቂያ ፍጥነት እና በጠፋ ውድቀት መጠን ከትክክለኛነት ይልቅ መገምገም; የሂደትዎ ስጋት ይህንን ሚዛን ይወስናል።

ከውሳኔ ወደ ጥገና፡ የሰው ፈቃድ

Anomaly ማወቂያ ቀጥተኛ "ማቆሚያ ማሽን" ትዕዛዝ አይደለም; የውሳኔ ድጋፍ ምልክት ነው. የተለመደ ፍሰት፡ ያልተለመደ የተገኘ → ክብደት እና አዝማሚያ ተገምግሟል → የእንክብካቤ ቡድን ያረጋግጣል (አካላዊ ምርመራ፣ ተጨማሪ መለኪያ) → የታቀደ ጣልቃ ገብነት። AI አዝማሚያውን እና ሊከሰት የሚችልበትን ምክንያት ሊጠቁም ይችላል, ነገር ግን ውሳኔ እና ጊዜ "ይህ መተካት አለበት" በሰው ላይ ይቆያል; ምክንያቱም ሰዎች የምርት እቅዱን ፣ የመለዋወጫ ዕቃዎችን እና የደህንነት ሁኔታን ስለሚመለከቱ።

ደካማ ፈጣን/ጠንካራ ፍጥነት

ደካማ፡ "ይህ የንዝረት መረጃ ጉድለት አለበት?" (የመነሻ መስመር የለም፣ ምንም fs የለም፣ ምንም አውድ የለም። ያልተረጋገጠ አዎ/አይ) ጠንከር፡ "በ12 ኪሎ ኸርዝ የተመረተ የመሸከምያ 1 ሰከንድ የፍጥነት መረጃ አለኝ። RMS፣ crest factor፣ kurtosis እና አውራነት ድግግሞሽ አስላ። የ30-ቀን ጤናማ የክወና መነሻ መስመር አለኝ (RMS avg=0.8፣ std=1 the Calline it from the Calculate) በ 3-ሲግማ ጣራ መሰረት ማንቂያ ያንሱ፣ ነገር ግን ይህ የውሳኔ ድጋፍ ምልክት እንጂ ትክክለኛ የስህተት ውሳኔ አለመሆኑን ይግለጹ።

ሚኒ መያዣ

የጥገና መሐንዲስ ኤምሬ ለደጋፊ ሞተር በንዝረት ላይ የተመሰረተ ክትትል እየጫነ ነው። የባህሪ ማውጣት እና የ z-score anomaly ኮድ ወደ AI ያትማል። ስርዓቱ በጥቂት ቀናት ውስጥ ማንቂያ ይሰጣል። ነገር ግን ኤምሬ ሲፈትሽ ማሽኑ ያልተበላሸ ሆኖ ተገኘ - የውሸት ማንቂያ። ሲመረምረው የመነሻ መስመሩን ያቋቋመው በ2 ሰአት መረጃ ብቻ እንደሆነ ይገነዘባል፣ ነገር ግን ጭነቱ በሚቀየርበት ጊዜ የደጋፊው ንዝረት በተለምዶ ይለዋወጣል። የተለያዩ የጭነት ሁኔታዎችን ለመሸፈን የመነሻ መስመሩን ወደ 1 ሳምንት ያራዝመዋል እና የውሸት ማንቂያዎች ይቆማሉ። ከዚያም በክረምቱ ውስጥ ቀስ ብሎ ወደ ላይ የሚሄድ አዝማሚያ ይመለከታል; ይህ አርኤምኤስ ገና ጣራውን ከማለፉ በፊት ቀደም ብሎ የመሸከም ውድቀትን ያሳያል። የአካላዊ ቼክ የመሸከምያውን ያለጊዜው መልበስን ያረጋግጣል። ኤምሬ በታቀደው ጥገና ላይ ሽፋኑን ይለውጣል, እና ምንም ያልተጠበቀ ማቆሚያ የለም. AI በፍጥነት ባህሪ እና anomaly ይሰላል; ነገር ግን የመነሻ ጥራት እና የአዝማሚያ አተረጓጎም - የውሸት ማንቂያዎችን ማስወገድ እና እውነተኛ ውድቀትን ቀደም ብሎ መያዝ - የመሐንዲሱ ሥራ ሆነ።

የተለመዱ ስህተቶች

• ከጤናማው ማሽን በቂ/ተወካይ መነሻ መስመር ሳይሰበስብ ጣራ ማዘጋጀት።
• የናሙና ድግግሞሹን ሳይገልጹ FFT/ዋና ድግግሞሽን መተርጎም።
• ሞዴሉን በ"ትክክለኛነት" መገምገም እና ያልተለመደ ብልሽት ሲከሰት አሳሳች ውጤቶችን ማግኘት።
• ከሂደቱ አደጋ ነጻ የሆነ በዘፈቀደ ምርጫውን መምረጥ።
• ያልተለመደ ምልክትን እንደ ቀጥተኛ የማቆሚያ ትዕዛዝ ስህተት እና የሰውን ማረጋገጫ ማለፍ።
• ነጠላ መለኪያን በመመልከት እና አዝማሚያውን ችላ ማለት (በዝግታ መጨመር).

በማጠቃለያው

• የትንበያ ጥገና የማሽኑን ትክክለኛ ሁኔታ ይለካል እና ውድቀትን ይተነብያል.
• እንደ RMS፣ crest፣ kurtosis፣ አውራ ድግግሞሽ ያሉ ባህሪያት ከንዝረት/ሙቀት ይወጣሉ።
• ገደብ እና ያልተለመደ መለየት ከጤናማ ማሽን የመነሻ ስታትስቲክስ የተገኙ ናቸው።
• የሐሰት ማንቂያዎች እና ያመለጡ ስህተቶች ሚዛን በሂደቱ አደጋ መሰረት ይስተካከላል.
• አልፎ አልፎ ስህተቶች ውስጥ, "ትክክለኛነት" አሳሳች ነው; የውሸት ማንቂያ/የማሳሳት ተመኖች ጥቅም ላይ ይውላሉ።
• የ anomaly ውሳኔ ድጋፍ ምልክት ነው; ውሳኔው እና የእንክብካቤ ጊዜ በሰውየው ላይ ይቆያል.

የመተግበሪያ ተግባር

የንዝረት ወይም የሙቀት ጊዜ ተከታታይ (ጤናማ መሠረት + ቀስ በቀስ እያሽቆለቆለ ያለ ክፍል) ይፈልጉ ወይም ያስመስሉ። የህትመት ባህሪ ማውጣት (RMS፣ crest፣ kurtosis) እና z-score anomaly ማወቂያ ኮድ ከመነሻ መስመር እስከ AI። ከዚያም፡ (1) መነሻውን ከጤናማው ክፍል ብቻ በማውጣት የናሙናውን ድግግሞሽ ስጡ፣ (2) ባለ 2-ሲግማ እና 4-ሲግማ ጣራ ይሞክሩ እና የውሸት ማንቂያዎች እና ያመለጡ ስህተቶች እንዴት እንደሚለዋወጡ ያወዳድሩ፣ (3) ከአንድ መለኪያ ይልቅ የባህሪ አዝማሚያውን ያቅዱ እና አስቀድሞ ማስጠንቀቂያ ይሰጥ እንደሆነ ይመልከቱ። በሁኔታዎ ውስጥ የትኛው ገደብ ለአደጋው ተስማሚ እንደሆነ ያብራሩ እና ለምን እንደመረጡ ያረጋግጡ።